BaşlayınÜcretsiz başlayın

İkinci bir oyuncak model

Bu egzersizde, bir görüntü veri kümesi üzerinde lojistik regresyon kullanarak başka bir sınıflandırıcı oluşturacaksın. Her görüntü 0 ile 9 arasındaki bir sayıyı temsil eder. Hedef, her görüntüyü bir sayı olarak sınıflandırmaktır — örneğin 7 veya 9. Kullanılan özellikler, görüntüyü oluşturan ve 0-16 aralığında değer alan belirli piksel değerleridir. Doğruluğu elle değerlendirmek yerine, modeli sklearn içindeki accuracy_score() ile değerlendireceksin.

Örnek görüntü verisi image_data olarak yüklendi; ayrıca sklearn ve pandas pd olarak mevcut. LogisticRegression, sklearn.linear_model üzerinden kullanılabilir.

Bu egzersiz, kursun bir parçasıdır

Python ile Machine Learning kullanarak TOB tahmini

Kursa Göz Atın

Egzersiz talimatları

  • Eğitim ve test verilerini böleceğin indeksi belirlemek için X'in satır sayısını al.
  • Bir lojistik regresyon sınıflandırıcısı oluştur.
  • Sınıflandırıcıyı kullanarak tahminler üret ve doğruluğu sklearn.metrics içindeki accuracy_score() ile değerlendir.

Uygulamalı etkileşimli egzersiz

Bu egzersizi bu örnek kodu tamamlayarak deneyin.

# 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))
Kodu Düzenle ve Çalıştır