Предсказание с помощью классификационной модели
Теперь, когда классификатор обучен, воспользуемся им, чтобы определить тип цветка (класс) для нескольких новых образцов.
Данные о ширине и длине лепестков для новых цветков хранятся в переменной targets. С помощью обученного классификатора вы предскажете тип каждого цветка.
Это упражнение является частью курса
Машинное обучение для данных временных рядов на Python
Инструкции к упражнению
- Предскажите тип цветка, используя массив
X_predict. - Запустите приведённый код, чтобы визуализировать результаты предсказания.
Интерактивное практическое упражнение
Попробуйте выполнить это упражнение, дополнив этот пример кода.
# 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()