Förutsägelser med en klassificeringsmodell
Nu när du har tränat din klassificerare är det dags att använda den för att förutsäga blomtyp (eller klass) för några nyinsamlade blommor.
Information om kronbladets bredd och längd för flera nya blommor finns lagrad
i variabeln targets. Med hjälp av klassificeraren du tränade förutsäger du nu typen för varje blomma.
Den här övningen är en del av kursen
Maskininlärning för tidsseriedata i Python
Övningsinstruktioner
- Förutsäg blomtypen med hjälp av arrayen
X_predict. - Kör den givna koden för att visualisera förutsägelserna.
Interaktiv övning med praktiskt arbete
Testa den här övningen genom att slutföra den här exempelkoden.
# 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()