Kom igångKom igång gratis

Första modellen

I den här övningen ska du bygga en MLP-klassificerare på den bilddatamängd som användes i kapitel 1. Som en påminnelse: varje bild föreställer en siffra från 0 till 9, och målet är att klassificera varje bild som rätt siffra. De särdrag som används är specifika pixelvärden i intervallet 0–16 som tillsammans bildar bilden. Efter att ha skalat särdragen utvärderar du klassificerarens träffsäkerhet på testdatan.

I din arbetsyta är exempelbilddata i DataFrame-format inläst som image_data, tillsammans med sklearn och pandas som pd. StandardScaler() från sklearn.preprocessing finns också tillgänglig.

Den här övningen är en del av kursen

Förutsäga CTR med maskininlärning i Python

Visa kurs

Övningsinstruktioner

  • Standardskala särdragen med .fit_transform() och dela upp datan i tränings- och testmängder med hjälp av train_test_split().
  • Skapa en MLP-klassificerare.
  • Skapa prediktioner med klassificeraren och utvärdera träffsäkerheten med hjälp av accuracy_score().

Interaktiv övning med praktiskt arbete

Testa den här övningen genom att slutföra den här exempelkoden.

# Define X and y
X, y = image_data.data, image_data.target

# Scale features and split into training and testing
X_scaled = ____().____(X)
X_train, X_test, y_train, y_test = ____(
  X_scaled, y, test_size = .2, random_state = 0)

# Create classifier, train and evaluate accuracy 
clf = ____()
y_pred = clf.____(X_train, y_train).____(X_test)
print(____(y_test, y_pred))
Redigera och kör kod