1. Nauka
    2. /
  2. Kursy
    3. /
  3. Przewidywanie CTR z użyciem uczenia maszynowego w Pythonie
Connected

ćwiczenie

Pierwszy model

W tym ćwiczeniu zbudujesz klasyfikator MLP na zbiorze danych z obrazami, którego używaliśmy w rozdziale 1. Przypominamy: każdy obraz przedstawia cyfrę od 0 do 9, a celem jest poprawna klasyfikacja każdego obrazu. Cechami użytymi w modelu są konkretne wartości pikseli z zakresu 0–16, które tworzą dany obraz. Po przeskalowaniu cech ocenisz dokładność klasyfikatora na zbiorze testowym.

W środowisku roboczym dostępny jest przykładowy zbiór danych obrazów w postaci DataFrame pod nazwą image_data, a także sklearn i pandas jako pd. Dostępna jest również klasa StandardScaler() z modułu sklearn.preprocessing.

Instrukcje

100 XP
  • Przeskaluj cechy metodą .fit_transform() i podziel dane na zbiór treningowy i testowy za pomocą train_test_split().
  • Utwórz klasyfikator MLP.
  • Wygeneruj predykcje za pomocą klasyfikatora i oceń dokładność modelu przy użyciu accuracy_score().