Modelare fără normalizare

Hai să vedem ce se poate întâmpla cu acuratețea modelului tău dacă încerci să modelezi date fără a aplica în prealabil o formă de standardizare.

Aici avem un subset al setului de date wine. Una dintre coloane, Proline, are o varianță extrem de mare față de celelalte coloane. Acesta este un exemplu în care o tehnică precum normalizarea logaritmică ar fi utilă – despre care vei învăța în secțiunea următoare.

Procesul de antrenare a unui model în scikit-learn ar trebui să îți fie deja familiar, așa că nu vom intra în prea multe detalii. Ai deja la dispoziție un model k-nearest neighbors (knn), precum și seturile X și y necesare pentru antrenare și evaluare.

Acest exercițiu face parte din cursul

Preprocesare pentru Machine Learning în Python

Vezi cursul

Instrucțiuni pentru exercițiu

Împarte seturile X și y în seturi de antrenament și de testare, asigurându-te că etichetele de clasă sunt distribuite uniform în ambele seturi.
Antrenează modelul knn pe caracteristicile și etichetele din setul de antrenament.
Afișează acuratețea modelului knn pe setul de testare, folosind metoda .score().

Exercițiu interactiv practic

Încearcă acest exercițiu completând acest cod de exemplu.

# Split the dataset into training and test sets
X_train, X_test, y_train, y_test = ____(____, ____, stratify=____, random_state=42)

knn = KNeighborsClassifier()

# Fit the knn model to the training data
knn.____(____, ____)

# Score the model on the test data
print(knn.____(____))

Editează și rulează codul