起始模型
在這個練習中，你會在第 1 章使用的影像資料集上建立一個 MLP 分類器。提醒一下，每張影像都代表數字 0 到 9，目標是將每張影像分類為正確的數字。所用的特徵是組成影像的像素值，範圍為 0–16。將特徵標準化後，你會在測試集上評估分類器的準確率。
在你的工作環境中，已載入以 DataFrame 形式提供的影像範例資料 image_data，以及 sklearn 和作為 pd 的 pandas。sklearn.preprocessing 中的 StandardScaler() 也可使用。
本練習屬於課程
用 Python 透過機器學習預測 CTR
練習說明
- 使用
.fit_transform()對特徵做標準化，並使用train_test_split()將資料分成訓練集與測試集。 - 建立一個 MLP 分類器。
- 使用分類器產生預測，並用
accuracy_score()評估準確率。
動手互動練習
試著完成這個範例程式碼，體驗一下這個練習。
# 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))