Przewidywanie za pomocą modelu klasyfikacji
Skoro model klasyfikatora jest już gotowy, użyjemy go do przewidzenia rodzaju kwiatu (klasy) dla kilku nowo zebranych próbek.
Informacje o szerokości i długości płatków nowych kwiatów są przechowywane w zmiennej targets. Korzystając z dopasowanego klasyfikatora, przewidzisz typ każdego kwiatu.
To ćwiczenie jest częścią kursu
Uczenie maszynowe dla danych szeregów czasowych w Pythonie
Instrukcje do ćwiczenia
- Przewidź typ kwiatu, używając tablicy
X_predict. - Uruchom podany kod, aby zwizualizować wyniki przewidywań.
Interaktywne ćwiczenie praktyczne
Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.
# Create input array
X_predict = targets[['petal length (cm)', 'petal width (cm)']]
# Predict with the model
predictions = ____
print(predictions)
# Visualize predictions and actual values
plt.scatter(X_predict['petal length (cm)'], X_predict['petal width (cm)'],
c=predictions, cmap=plt.cm.coolwarm)
plt.title("Predicted class values")
plt.show()