โมเดลสุ่ม

ในแบบฝึกหัดนี้ คุณจะสร้าง baseline ของ cumulative gains curve ซึ่งก็คือ cumulative gains curve ของโมเดลสุ่ม

ในการทำเช่นนี้ ต้องสร้างการพยากรณ์แบบสุ่ม (random predictions) เมธอด plot_cumulative_gain ต้องการค่าสองค่าสำหรับการพยากรณ์แต่ละครั้ง ได้แก่ ค่าสำหรับเป้าหมายที่เป็น 0 และค่าสำหรับเป้าหมายที่เป็น 1 โดยค่าทั้งสองต้องรวมกันได้เป็น 1 ตัวอย่างเช่น รายการการพยากรณ์ที่ถูกต้องอาจมีหน้าตาเป็น [(0.02,0.98),(0.27,0.73),...,(0.09,0.91)]

ใน Python สามารถสร้างค่าสุ่มระหว่าง a และ b ได้ดังนี้

import random
random_value = random.uniform(a,b)

แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร

การวิเคราะห์เชิงพยากรณ์เบื้องต้นด้วย Python

ดูคอร์ส

คำแนะนำการฝึกหัด

Import โมดูล random, matplotlib และ scikitplot
สร้างรายการ random_predictions ที่ประกอบด้วยตัวเลขสุ่มระหว่าง 0 ถึง 1
ปรับรายการ random_predictions ให้ประกอบด้วย tuple (r,a) โดยที่ r คือค่าเดิมในรายการ และ a คือค่าที่ทำให้ \(r+a=1\)
ค่าจริงของ target อยู่ใน targets_test แสดงกราฟ cumulative gains ของโมเดลสุ่มที่สร้างขึ้น

แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ

ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์

# Import the modules
import ____
import ____ as plt
import ____ as skplt

# Generate random predictions
random_predictions = [random.uniform(____,____) for _ in range(len(targets_test))]

# Adjust random predictions
random_predictions = [(r, ____ - ____) for r in random_predictions]

# Plot the cumulative gains graph
skplt.metrics.plot_cumulative_gain(targets_test, ____)
plt.show()

แก้ไขและรันโค้ด