Bắt đầu ngayBắt đầu miễn phí

Mô hình khởi đầu

Trong bài tập này, bạn sẽ xây dựng một bộ phân loại MLP trên tập dữ liệu ảnh đã dùng ở chương 1. Nhắc lại: mỗi ảnh biểu diễn một chữ số từ 0 đến 9 và mục tiêu là phân loại mỗi ảnh thành một chữ số. Các đặc trưng được dùng là các giá trị pixel cụ thể trong khoảng 0–16 cấu thành nên bức ảnh. Sau khi chuẩn hóa các đặc trưng, bạn sẽ đánh giá độ chính xác của bộ phân loại trên tập kiểm tra.

Trong không gian làm việc của bạn, dữ liệu ảnh mẫu dưới dạng DataFrame đã được nạp là image_data, cùng với sklearn và pandas là pd. StandardScaler() từ sklearn.preprocessing cũng đã sẵn sàng.

Bài tập này là một phần của khóa học

Dự đoán CTR với Machine Learning trong Python

Xem khóa học

Hướng dẫn bài tập

  • Chuẩn hóa chuẩn các đặc trưng bằng .fit_transform() và chia dữ liệu thành tập huấn luyện và kiểm tra bằng train_test_split().
  • Tạo một bộ phân loại MLP.
  • Tạo dự đoán bằng bộ phân loại và đánh giá độ chính xác bằng accuracy_score().

Bài tập tương tác thực hành trực tiếp

Hãy thử làm bài tập này bằng cách hoàn thành đoạn mã mẫu này.

# 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))
Chỉnh sửa và Chạy Mã