2つ目のおもちゃモデル
この演習では、画像データセットに対してロジスティック回帰を使った別の分類器を構築します。各画像は 0 から 9 の数字を表しています。目的は、各画像を数字（たとえば 7 や 9）として分類することです。使用する特徴量は、画像を構成する 0〜16 の範囲の特定の画素値です。精度を手計算で評価する代わりに、sklearn の accuracy_score() を使ってモデルの精度を評価します。
サンプルの画像データは image_data として読み込まれており、sklearn と pandas は pd として利用できます。LogisticRegression は sklearn.linear_model から利用可能です。
この演習はコースの一部です
PythonでMachine Learningを使ってCTRを予測する
演習の手順
- 訓練データとテストデータを分割するインデックスを決めるために、
Xの行数を取得します。 - ロジスティック回帰の分類器を作成します。
- 分類器で予測を行い、
sklearn.metricsのaccuracy_score()を使って精度を評価します。
実践的なインタラクティブ演習
このサンプルコードを完成させて、この演習に挑戦してみましょう。
# Define X and y
X = image_data.data
y = image_data.target
# Define training and testing
split = int(0.7 * ____(X))
X_train, X_test, y_train, y_test = \
X[:split], X[split:], y[:split], y[split:]
# Create logistic regression classifier
clf = ____()
# Train classifier - predict label and evaluate accuracy
y_pred = clf.fit(X_train, y_train).____(X_test)
print(____(y_test, y_pred))