เริ่มต้นใช้งานเริ่มต้นใช้งานได้ฟรี

เริ่มต้นสร้างโมเดล

ในแบบฝึกหัดนี้ จะได้สร้าง MLP classifier บนชุดข้อมูลภาพที่ใช้ในบทที่ 1 ซึ่งแต่ละภาพแทนตัวเลข 0 ถึง 9 และเป้าหมายคือการจำแนกแต่ละภาพว่าเป็นตัวเลขใด ฟีเจอร์ที่ใช้คือค่าพิกเซลเฉพาะในช่วง 0-16 ที่ประกอบกันเป็นภาพ หลังจาก scale ฟีเจอร์แล้ว จะประเมินความแม่นยำของ classifier บนชุดข้อมูลทดสอบ

ใน workspace ข้อมูลภาพตัวอย่างในรูปแบบ DataFrame ถูกโหลดไว้เป็น image_data พร้อมกับ sklearn และ pandas ในชื่อ pd รวมถึง StandardScaler() จาก sklearn.preprocessing ด้วย

แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร

การพยากรณ์ CTR ด้วย Machine Learning ใน Python

ดูคอร์ส

คำแนะนำการฝึกหัด

  • Scale ฟีเจอร์ด้วย .fit_transform() และแบ่งข้อมูลเป็นชุดฝึกและชุดทดสอบโดยใช้ train_test_split()
  • สร้าง MLP classifier
  • สร้างการพยากรณ์โดยใช้ classifier และประเมินความแม่นยำด้วย accuracy_score()

แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ

ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์

# 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))
แก้ไขและรันโค้ด