เริ่มต้นใช้งานเริ่มต้นใช้งานได้ฟรี

โมเดลทดลองที่สอง

ในแบบฝึกหัดนี้ จะได้สร้าง classifier อีกตัวโดยใช้ logistic regression กับชุดข้อมูลรูปภาพ แต่ละภาพแทนตัวเลข 0 ถึง 9 โดยเป้าหมายคือจำแนกแต่ละภาพว่าเป็นตัวเลขใด เช่น 7 หรือ 9 ฟีเจอร์ที่ใช้คือค่าพิกเซลเฉพาะจุดในช่วง 0–16 ที่ประกอบกันเป็นภาพนั้น แทนที่จะประเมินความแม่นยำด้วยตนเอง จะใช้ accuracy_score() จาก sklearn แทน

ข้อมูลภาพตัวอย่างถูกโหลดไว้เป็น image_data พร้อมกับ sklearn และ pandas ในชื่อ pd และ LogisticRegression พร้อมใช้งานผ่าน sklearn.linear_model

แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร

การพยากรณ์ CTR ด้วย Machine Learning ใน Python

ดูคอร์ส

คำแนะนำการฝึกหัด

  • นับจำนวนแถวของ X เพื่อกำหนดจุดที่จะแบ่งข้อมูล training และ testing
  • สร้าง logistic regression classifier
  • สร้างผลการทำนายโดยใช้ classifier และประเมินความแม่นยำด้วย accuracy_score() จาก sklearn.metrics

แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ

ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์

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

# Define training and testing
split = int(0.7 * ____(X))
X_train, X_test, y_train, y_test = \
	X[:split], X[split:], y[:split], y[split:] 

# Create logistic regression classifier
clf = ____()

# Train classifier - predict label and evaluate accuracy
y_pred = clf.fit(X_train, y_train).____(X_test) 
print(____(y_test, y_pred))
แก้ไขและรันโค้ด