第二個玩具模型
在這個練習中，你會用羅吉斯回歸在一個影像資料集上建立另一個分類器。每張影像代表數字 0 到 9。目標是將每張影像分類為對應的數字，例如 7 或 9。使用的特徵是組成影像的特定像素值，範圍為 0–16。這次不要手動計算正確率，你會使用 sklearn 的 accuracy_score() 來評估模型的正確率。
範例影像資料已載入為 image_data，並已載入 sklearn 與作為 pd 的 pandas。LogisticRegression 可從 sklearn.linear_model 取得。
本練習屬於課程
用 Python 透過機器學習預測 CTR
練習說明
- 取得
X的列數，以決定切分訓練與測試資料的索引位置。 - 建立一個羅吉斯回歸分類器。
- 使用分類器產生預測，並用
sklearn.metrics的accuracy_score()評估正確率。
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 = 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))