ÎncepețiÎncepe gratuit

Al doilea model de test

În acest exercițiu, vei construi un alt clasificator folosind regresia logistică pe un set de date cu imagini. Fiecare imagine reprezintă un număr de la 0 la 9. Scopul este să clasifici fiecare imagine ca un număr – de exemplu, un 7 sau un 9. Caracteristicile utilizate sunt valori specifice ale pixelilor, cuprinse între 0 și 16, care alcătuiesc imaginea. În loc să evaluezi acuratețea manual, vei folosi funcția accuracy_score() din sklearn.

Datele cu imagini sunt încărcate ca image_data, împreună cu sklearn și pandas ca pd. LogisticRegression este disponibil prin sklearn.linear_model.

Acest exercițiu face parte din cursul

Predicția CTR cu Machine Learning în Python

Vezi cursul

Instrucțiuni pentru exercițiu

  • Obține numărul de rânduri din X pentru a determina indexul la care să împarți datele în set de antrenament și set de testare.
  • Creează un clasificator de regresie logistică.
  • Generează predicții folosind clasificatorul și evaluează acuratețea cu accuracy_score() din sklearn.metrics.

Exercițiu interactiv practic

Încearcă acest exercițiu completând acest cod de exemplu.

# 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))
Editează și rulează codul