Te-hanomboka amin'ny fianarana milina?
Namorona fampianarana tsotra sy mora ho an'ireo vao manomboka tanteraka aho. Hiara-hiasa ny dingana fototra amin'ny fanofanana modely fianarana milina isika.
Raha manazava ny dingana amin'ny fanofanana modely iray aho, dia hanome ohatra tena fototra momba ny olana amin'ny fianarana milina ihany koa aho. Noho izany, raha te-hanaraka ianao dia azonao atao ny misintona ity angona santionany ity rohy.
Santionany ihany ity angona ity hanampy anao hanomboka amin'ny fianarana milina.
Manana soatoavina 18 izahay ho an'ny olona samy hafa taona sy lahy sy vavy izay mamaritra ny mozika tiany indrindra. Amin'ny fampiasana, ny endriky ny "taona" sy ny "firaisana ara-nofo" dia hiezaka hamantatra izay karazana mozika tiany indrindra.
Fanamarihana: 1 sy 0 dia omena ny lahy sy ny vavy amin'ny maha-vehivavy sy lahy amin'ity angona ity.
Na izany aza, raha tsy te hanaraka ny ohatra ianao dia mety tsara ihany koa. Hazavaiko amin'ny antsipiriany ireo dingana rehetra ireo. Andeha àry isika hiroboka!
Ny zavatra voalohany tokony ho fantatra
Alohan'ny handehanana any amin'ny dingana fanofanana modely, andeha hohazavaina ny teboka sasany. Ny fianarana milina dia iray fahaizana artifisialy fitsipi-pifehezana izay mifantoka amin'ny famolavolana algorithm izay afaka mianatra avy amin'ny angona.
Mba hanaovana izany, ny maodely fianarana milina dia voaofana amin'ny angon-drakitra izay mampianatra ny maodely ny fomba fanaovana vinavina marina na sokajy amin'ny angon-drakitra vaovao tsy fantatra taloha.
Inona àry ireo modely ireo? ny maodely fianarana milina dia mitovitovy amin'ny fomba fanamboarana izay ampiasain'ny solosaina iray hamokarana vinavina na safidy angona.
Ny maodely, toy ny fomba fanamboarana, dia manaraka toromarika maromaro hanombanana ny angona sy hamokatra faminaniana na fitsarana mifototra amin'ny lamina hita ao amin'ny angona. Arakaraka ny angon-drakitra nofanina amin'ny modely no marina kokoa ny faminaniany.
Karazana modely inona no azontsika ampiofanina?
Andeha hojerentsika hoe inona ireo maodely fianarana milina fototra.
- Linear Regression: maodely izay maminavina ny fari-piainana kendrena mitohy avy amin'ny fari-pidirana iray na maromaro.
- Tambajotra neural: tambajotra misy node mifamatotra izay afaka mianatra mamantatra lamina sarotra amin'ny angona.
- Hazo Fanapahan-kevitra: fomba fandraisana fanapahan-kevitra miorina amin'ny rojo fanambaràna raha tsy hafa.
- Clustering: andiana modely izay manambatra teboka angona azo ampitahaina mifototra amin'ny fitoviana.
- Logistic Regression: maodely ho an'ny olana fanasokajiana binary izay manana sanda roa mety ho an'ny fari-pitsipika kendrena.
- Hazo Fanapahan-kevitra: fomba fandraisana fanapahan-kevitra miorina amin'ny rojo fanambaràna raha tsy hafa.
- Ala kisendrasendra: maodely ensemble ahitana hazo fanapahan-kevitra maro. Matetika izy ireo no ampiasaina amin'ny fanasokajiana sy ny regression fampiharana.
- K-Nearest Neighbors: maodely iray izay maminavina ny fari-piainana kendrena amin'ny fampiasana ireo teboka angona k-akaiky indrindra ao amin'ny andiana fiofanana.
Miankina amin'ny olanay sy ny angon-drakitra, manapa-kevitra izahay hoe modely fianarana milina mifanaraka amin'ny toe-javatra misy anay. Na izany aza, hiverina amin'ity indray mandeha izahay. Andeha isika hanomboka hampiofana ny modely. Manantena aho fa efa nisintona ny databatra raha tianao ny hanaraka ny ohatra asehontsika.
Ary koa, manoro hevitra aho mba hanana Jupyter Notebook napetraka ao amin'ny milina eo an-toerana ary ampiasaina amin'ny tetikasa fianarana milina.
1: Farito ny olana
Ny dingana voalohany amin'ny fanofanana fianarana milina modely no mamaritra ny olana hovahana. Tafiditra ao anatin'izany ny fifantenana ireo fari-pahalalana tianao hovinavinaina (fantatra amin'ny anarana hoe fari-piainana kendrena) sy ireo fari-piainana hampiasaina hamokarana ireo vinavina ireo (fantatra amin'ny anarana hoe endri-javatra na vinavina).
Tokony hanapa-kevitra ihany koa ianao hoe karazana olana amin'ny fianarana milina ezahinao vahana (fanasokajiana, fihemorana, fivondronana, sns) ary karazana angon-drakitra ilainao hanangonana na hampiofanana ny modelyo.
Ny karazana modely ampiasainao dia hofaritana amin'ny karazana olan'ny fianarana milina kasainao hovahana. Fanasokajiana, regression, ary clustering no sokajy telo voalohany amin'ny fanamby fianarana milina. Rehefa te-haminavina fari-pahaizana sokajy ianao, toy ny hoe spam na tsia ny mailaka dia mampiasa fanasokajiana ianao.
Rehefa te-haminavina ny fiovana mitohy ianao, toy ny vidin'ny trano iray, dia mampiasa regression ianao. Ny fivondronana dia ampiasaina hanambatra singa angona azo ampitahaina mifototra amin'ny iraisan'izy ireo.
Raha mijery ny ohatra asehontsika isika; Ny fanamby ataontsika dia ny mamaritra ny fomba mozika tian'ny olona iray avy amin'ny lahy sy ny vavy sy ny taonany. Hampiasa angon-drakitra misy olona 18 izahay ho an'ity ohatra ity sy fampahalalana momba ny taonany, ny lahy sy ny vavy ary ny fomba mozika tiany indrindra.
2. Omano ny angona
Rehefa avy namaritra ny olana ianao dia mila manomana ny angon-drakitra hanofanana ny modely. Mitaky fanadiovana sy fanodinana ny angona izany. Noho izany, mba hahazoana antoka fa ao amin'ny format izay ny algorithm amin'ny fianarana milina afaka mampiasa.
Mety ho tafiditra ao anatin'izany ny hetsika toy ny famafana ny soatoavina tsy hita, ny fanovana ny angona voasokajy ho angon-drakitra isa, ary ny fanamafisam-peo na ny fanamorana ny angona mba hahazoana antoka fa mitovy ny mari-pamantarana rehetra.
Ohatra, toy izao ny fomba famafanao ny sanda tsy hita:
import pandas as pd
# Load the data into a pandas DataFrame
data = pd.read_csv('data.csv')
# Check for missing values
print(data.isnull().sum())
# Drop rows with missing values
data.dropna(inplace=True)
# Check that all missing values have been removed
print(data.isnull().sum())
Fanamarihana kely: Ao amin'ny andalana o "import pandas as pd",
manafatra ny tranomboky Pandas izahay ary manome azy ny alias "pd" mba hanamora ny fanondroana ny asany sy ny zavatra ao amin'ny code.
Pandas dia maody fanta-daza ho an'ny Python ho an'ny fanodinkodinana sy famakafakana angon-drakitra, indrindra rehefa miasa miaraka amin'ny angona voarafitra na tabilao.
Ao amin'ny ohatra ataontsika amin'ny famaritana ireo karazana mozika. Hanafatra ny angon-drakitra aloha isika. Nomeko anarana hoe music.csv izany, na izany aza, azonao atao ny manonona azy araka izay tianao.
Mba hanomanana ny angona hanofanana maodely fianarana milina dia nozarainay ho toetra (taona sy lahy sy vavy) ary tanjona (karazana mozika).
Hozarainay koa ny angon-drakitra ho seta fanofanana sy fitsapana 80:20 mba hanombanana ny fahombiazan'ny maodely sy hisorohana ny fihoaram-pefy.
# Import necessary libraries
import pandas as pd
from sklearn.model_selection import train_test_split
# Load data from CSV file/code>
music_data = pd.read_csv('music.csv')
# Split data into features and target
X = music_data.drop(columns=['genre'])
y = music_data['genre']
# Split data into training and testing sets
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2)
3. Mifidiana modely fianarana milina.
Rehefa avy nanomana ny angona ianao dia tsy maintsy misafidy modely fianarana milina mifanaraka amin'ny asanao.
Misy algorithm maromaro azo alaina, toy ny hazo fanapahan-kevitra, fiverenana ara-logistika, milina vector fanohanana, tambajotra neural, sy ny hafa. Ny algorithm nofidinao dia hofaritana amin'ny karazana olana ezahinao valiana, ny karazana data anananao ary ny zavatra ilainao.
Hampiasa fanasokajiana hazo fanapaha-kevitra izahay amin'ity ohatra ity satria miara-miasa amin'ny olana fanasokajiana izahay (milaza ny angona sokajy).
# Import necessary libraries
from sklearn.tree import DecisionTreeClassifier
Ity misy sary mampiseho ny fomba fiasan'ny Decision Tree Classifier:
4. Ampiofanina ny modely
Afaka manomboka manofana ny modely ianao rehefa nisafidy algorithm fianarana milina azo ekena. Tafiditra amin'izany ny fampiasana ny angon-drakitra novokarina teo aloha mba hampianarana ny algorithm amin'ny fomba fanaovana vinavina momba ny angona vaovao tsy hita taloha.
Ny algorithm dia hanova ny mari-pamantarana anatiny mandritra ny fiofanana mba hampihenana ny fahasamihafana misy eo amin'ny soatoavina vinavinaina sy ny sanda tena izy ao amin'ny angon-drakitra fanofanana. Ny habetsaky ny angona ampiasaina amin'ny fampiofanana, ary koa ny mari-pamantarana manokana momba ny algorithm, dia mety hisy fiantraikany amin'ny fahamarinan'ny modely aterak'izany.
Amin'ny ohatra manokana ataontsika, rehefa nanapa-kevitra momba ny fomba iray isika, dia afaka mampiofana ny maodely miaraka amin'ny angona fanofanana.
# Train the decision tree classifier
model = DecisionTreeClassifier()
model.fit(X_train, y_train)
5. Tombanana ny modely
Rehefa avy nampiofanina ny modely, dia tsy maintsy tombanana amin'ny angon-drakitra vaovao izany mba hahazoana antoka fa marina sy azo ianteherana. Izany dia mitaky fitsapana ny maodely miaraka amin'ny angona izay tsy nampiasaina nandritra ny fiofanana sy ny fampitahana ny soatoavina novinavinaina amin'ny tena sanda ao amin'ny angona fitsapana.
Ity famerenana ity dia afaka manampy amin'ny famantarana ny lesoka modely, toy ny overfitting na underfitting, ary mety hitarika amin'ny fanitsiana tsara izay mety ilaina.
Amin'ny fampiasana ny angon-drakitra fitsapana dia hanombantombana ny fahamarinan'ny modely ataontsika.
# Import necessary libraries
from sklearn.metrics import accuracy_score
# Predict the music genre for the test data
predictions = model.predict(X_test)
# Evaluate the model's accuracy
accuracy = accuracy_score(y_test, predictions)
print("Accuracy: ", accuracy)
Tsy dia ratsy loatra ny naoty marina amin'izao fotoana izao. 🙂 Mba hanatsarana ny naoty marina dia azonao atao ny manadio bebe kokoa ny angon-drakitra na manandrana modely fianarana milina samihafa hahitana hoe iza no manome isa ambony indrindra.
6. Ataovy tsara ny modely
Raha tsy ampy ny fahombiazan'ny maodely dia azonao atao ny manitsy azy io amin'ny alàlan'ny fanovana ny mari-pamantarana algorithm isan-karazany na amin'ny alàlan'ny fanandramana algorithm vaovao tanteraka.
Ity fomba fiasa ity dia mety ahitana ny fanandramana amin'ny tahan'ny fianarana hafa, ny fanovana ny fandrindrana ara-dalàna, na ny fanovana ny isa na ny haben'ny sosona miafina ao anaty tambajotra neural.
7. Ampiasao ny modely
Rehefa faly amin'ny zava-bitan'ilay maodely ianao dia afaka manomboka mampiasa azy io mba hamoronana faminaniana momba ny angona vaovao.
Izany dia mety mitaky famahanana angona vaovao ao anatin'ilay maodely sy fampiasana ny masontsivana ianaran'ilay maodely mba hamoronana vinavina momba an'io data io, na hampidirana ilay maodely amina fampiharana na rafitra midadasika kokoa.
Afaka mampiasa ny maodely izahay mba hamoronana faminaniana momba ny angona vaovao rehefa avy faly amin'ny fahamarinany. Afaka manandrana soatoavina samihafa momba ny lahy sy ny vavy sy ny taona ianao.
# Test the model with new data
new_data = [[25, 1], [30, 0]]
predictions = model.predict(new_data)
print("Predictions: ", predictions)
Fonosy
Nahavita fiofanana ny maodely fianarana milina voalohany izahay.
Manantena aho fa nahasoa anao izany. Azonao atao izao ny manandrana mampiasa maodely fianarana milina samihafa toy ny Linear Regression na Random Forest.
Betsaka ny angon-drakitra sy fanamby ao Kaggle raha te hanatsara ny kaody sy ny fahatakaranao ny fianarana milina ianao.
Leave a Reply