시작하기무료로 시작하기

시작해 보는 모델

이 연습에서는 1장에서 사용한 이미지 데이터셋에 대해 MLP 분류기를 구축해 보겠습니다. 다시 말씀드리면, 각 이미지는 0부터 9까지의 숫자를 나타내며 목표는 각 이미지를 해당 숫자로 분류하는 것입니다. 사용되는 피처는 이미지를 구성하는 0~16 범위의 특정 픽셀 값입니다. 피처를 스케일링한 후, 테스트 세트에서 분류기의 정확도를 평가합니다.

작업 공간에는 DataFrame 형태의 샘플 이미지 데이터가 image_data로 로드되어 있으며, sklearn과 pandas는 pd로 제공됩니다. 또한 sklearn.preprocessing의 StandardScaler()도 사용할 수 있습니다.

이 연습은 강의의 일부입니다

Python으로 Machine Learning을 활용한 CTR 예측

강의 보기

연습 안내

  • .fit_transform()으로 피처를 표준 스케일링하고, train_test_split()으로 데이터를 학습 세트와 테스트 세트로 분리하세요.
  • MLP 분류기를 생성하세요.
  • 분류기로 예측값을 만든 뒤 accuracy_score()로 정확도를 평가하세요.

실습형 인터랙티브 연습

이 예제를 이 샘플 코드를 완성하여 풀어보세요.

# Define X and y
X, y = image_data.data, image_data.target

# Scale features and split into training and testing
X_scaled = ____().____(X)
X_train, X_test, y_train, y_test = ____(
  X_scaled, y, test_size = .2, random_state = 0)

# Create classifier, train and evaluate accuracy 
clf = ____()
y_pred = clf.____(X_train, y_train).____(X_test)
print(____(y_test, y_pred))
코드 편집 및 실행