두 번째 토이 모델
이 연습 문제에서는 이미지 데이터셋에 대해 로지스틱 회귀를 사용해 또 다른 분류기를 만들어 보겠습니다. 각 이미지는 0부터 9까지의 숫자 중 하나를 나타냅니다. 목표는 각 이미지를 숫자로 분류하는 것입니다. 예를 들어 7인지 9인지 판별하는 식입니다. 사용되는 특성은 이미지를 구성하는 0~16 범위의 특정 픽셀 값입니다. 정확도를 손으로 계산하는 대신, sklearn의 accuracy_score()를 사용해 모델의 정확도를 평가합니다.
샘플 이미지 데이터는 image_data로 로드되어 있으며, sklearn과 pandas는 pd로 제공됩니다. LogisticRegression은 sklearn.linear_model에서 사용할 수 있습니다.
이 연습은 강의의 일부입니다
Python으로 Machine Learning을 활용한 CTR 예측
연습 안내
- 학습/테스트 데이터를 분할할 인덱스를 정하기 위해
X의 행 수를 구하세요. - 로지스틱 회귀 분류기를 생성하세요.
- 분류기로 예측 값을 만든 뒤,
sklearn.metrics의accuracy_score()로 정확도를 평가하세요.
실습형 인터랙티브 연습
이 예제를 이 샘플 코드를 완성하여 풀어보세요.
# 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))