Ripanga o Ihirangi[Huna][Whakaatu]
Mena he kaiwhakatakoto kaupapa Python koe, mena kei te rapu koe i tetahi kete taputapu kaha hei whakamahi ki te whakauru i te ako miihini ki roto i te punaha whakaputa, he whare pukapuka a Scikit-ako me tirotiro koe.
He pai te tuhi me te ngawari ki te whakamahi a Scikit-Learn, ahakoa he hou koe ki te ako miihini, e hiahia ana koe ki te whakatika tere me te oma, kei te hiahia ranei koe ki te whakamahi i te taputapu rangahau ML tino hou.
Ka taea e koe te hanga tauira raraunga matapae i roto i etahi rarangi waehere katahi ka whakamahi i taua tauira kia pai ki o raraunga hei whare pukapuka taumata-tiketike. He ngawari, he pai te mahi me etahi atu Whare pukapuka Python Pērā i a Matplotlib mō te tūtohi, NumPy mō te whakarārangitanga whakarārangitanga, me ngā pandas mō te tirohanga raraunga.
I roto i tenei aratohu, ka mohio koe he aha tena, me pehea e taea ai e koe te whakamahi, me ona pai me nga huakore.
he aha te mea Scikit-ako?
Ko te Scikit-Learn (e mohiotia ana ko sklearn) he maha nga momo tauira tatauranga me te ako miihini. Kaore i rite ki te nuinga o nga waahanga, ka whakawhanakehia te sklearn ki te Python kaua ki te C. Ahakoa i whakawhanakehia i roto i te Python, ka tohuhia te kaha o te sklearn ki tana whakamahi i te NumPy mo nga mahi taurangi rarangi teitei me nga mahinga raupapa.
I hangaia a Scikit-Learn hei waahanga o te kaupapa Summer of Code a Google, a, mai i tera wa kua ngawari ake te oranga o nga miriona kaiputaiao raraunga Python-centric puta noa i te ao. Ko tenei waahanga o te raupapa e aro ana ki te whakaatu i te whare pukapuka me te aro ki tetahi huānga - ko nga huringa huingararaunga, he mahi matua, he mea nui hei mahi i mua i te whakawhanake i tetahi tauira matapae.
Ko te whare pukapuka kei runga i te SciPy (Scientific Python), me whakauru i mua i to whakamahi i te scikit-ako. Kei tēnei tāpae ngā tūemi e whai ake nei:
- NumPy: Ko te kohinga huinga-n-ahu paerewa a Python
- SciPy: He kohinga taketake mo te rorohiko pūtaiao
- Pandas: Nga hanganga raraunga me te tātari
- Matplotlib: He whare pukapuka whakaaro 2D/3D kaha
- Sympy: Te pangarau tohu
- IPython: Kua pai ake te papatohu tauwhitiwhiti
Nga tono o te whare pukapuka ako Scikit
Ko te Scikit-ako he putea Python puna tuwhera me nga mahi tātari raraunga me nga ahuatanga maina. Ka tae mai me te maha o nga algorithms hanga-i roto hei awhina i a koe ki te whai hua i o kaupapa rangahau raraunga. Ka whakamahia te whare pukapuka ako-Scikit i nga huarahi e whai ake nei.
1. Whakamuri
Ko te wetewete whakamuri he tikanga tauanga mo te wetewete me te mohio ki te hononga i waenga i nga taurangi e rua, neke atu ranei. Ko te tikanga e whakamahia ana ki te mahi wetewete whakamuri ka awhina i te whakatau ko wai nga huānga e tika ana, tera pea ka warewarehia, me te pehea o te taunekeneke. Ko nga tikanga whakaheke, hei tauira, ka taea te whakamahi kia pai ake te mohio ki te whanonga o nga utu kararehe.
Ko nga algorithms regression ko:
- Raina Raina
- Ridge Regression
- Tuhinga o mua
- Whakatau Rakau Reregression
- Ngahere tupurangi
- Miihini Vector Tautoko (SVM)
2. Whakarōpūtanga
Ko te tikanga Whakar Ka ako tetahi algorithm i roto i te Whakarōpūtanga mai i tetahi mea kua homai takakau nga kitenga ranei ka whakarōpū i etahi atu tirohanga ki tetahi o nga karaehe maha, whakarōpūtanga ranei. Ka taea e ratou, hei tauira, te whakamahi ki te whakarōpū i nga korero imeera hei mokowhiti, kaore ranei.
Ko nga algorithms whakarōpūtanga ko enei e whai ake nei:
- Whakapapa Logistic
- K-Tatata Tata
- Miihini Vector Tautoko
- Raau Putanga
- Ngahere tupurangi
3. Huihuinga
Ka whakamahia nga momo algorithms i Scikit-ako ki te whakarite aunoa i nga raraunga me nga ahuatanga rite ki nga huinga. Ko te whakarōpūtanga he tikanga whakarōpū i te huinga tuemi kia rite ai te hunga o te roopu kotahi ki era atu roopu. Ko nga raraunga kaihoko, hei tauira, ka wehewehea i runga i to raatau waahi.
Ko nga raupapa algorithms ko enei e whai ake nei:
- DB-SCAN
- K-Te tikanga
- Mini-Batch K-Means
- Huihuinga Spectral
4. Kōwhiringa Tauira
Ka whakaratohia e nga algorithms whiriwhiri tauira nga tikanga mo te whakataurite, te whakamana, me te whiriwhiri i nga tawhā tino pai me nga tauira hei whakamahi i roto i nga kaupapa pūtaiao raraunga. I runga i nga raraunga, ko te whiriwhiri tauira ko te raru o te kowhiri i tetahi tauira tauanga mai i te roopu tauira kaitono. I roto i nga ahuatanga tino nui, ka whakaarohia he kohinga raraunga o mua. Heoi ano, kei roto ano pea i te mahi te hoahoa o nga whakamatautau kia pai ai nga raraunga kua riro mai ki te raru whiriwhiri tauira.
Ko nga waahanga whiriwhiri tauira ka taea te whakapai ake i te tika ma te whakatika i nga tawhā ko:
- Whakawhiti-whakamana
- Rapu Mātiti
- Ngā Taeke
5. Whakaititia Ahu
Ko te whakawhitinga o nga raraunga mai i te waahi nui ki te waahi iti kia mau ai te ahua o te ahua iti i etahi ahuatanga nui o te raraunga taketake, e tata ana ki tona ahua o te ahua, ka kiia ko te whakahekenga ahu. Ka whakahekehia te maha o nga taurangi matapōkere mo te tātari ka whakahekehia te taha. Ko nga raraunga o waho, hei tauira, kaore pea e whakaarohia hei whakapai ake i te pai o nga tirohanga.
Kei roto i te algorithmity Reduction Reduction enei e whai ake nei:
- Te tohu tohu
- Tauhokohoko Tohu Matua (PCA)
Tāuta Scikit-ako
Ko NumPy, SciPy, Matplotlib, IPython, Sympy, me nga Pandas me whakauru i mua i te whakamahi i te Scikit-ako. Me whakauru ma te whakamahi i te pip mai i te papatohu (mahi mo Windows anake).
Tāutahia te Scikit-ako ināianei kua whakauruhia e mātou ngā whare pukapuka e hiahiatia ana.
āhuatanga
Ko te Scikit-Learn, i etahi wa ka kiia ko sklearn, he kete taputapu Python mo te whakatinana i nga tauira ako miihini me te whakatauira tauanga. Ka whakamahia pea e matou ki te hanga tauira ako miihini maha mo te whakahekenga, te whakarōpūtanga, me te kohinga, tae atu ki nga taputapu tatauranga mo te aromatawai i enei tauira. Kei roto ano hoki te whakahekenga inenga, te kowhiringa waahanga, te tangohanga ahuatanga, nga huarahi whakahiato, me nga huingararaunga kua hangaia. Ka whakatewhatewha tatou i ia ahuatanga o ia ahuatanga.
1. Kawemai Raraunga Raraunga
Kei roto i te Scikit-Learn te maha o nga huingararaunga kua oti te hanga, penei i te huingararaunga iris, te huingararaunga utu kaainga, te huingararaunga titanic, me era atu. Ko nga painga nui o enei huingararaunga he ngawari ki te hopu, ka taea te whakamahi ki te whakawhanake tonu i nga tauira ML. E tika ana enei rarangi raraunga mo nga tauhou. Waihoki, ka taea e koe te whakamahi sklearn ki te kawemai i etahi atu huingararaunga. Waihoki, ka taea e koe te whakamahi hei kawemai i etahi atu huingararaunga.
2. Te Waahanga Raraunga Raraunga mo te Whakangungu me te Whakamatau
I whakauruhia e Sklearn te kaha ki te wehewehe i te huingararaunga ki nga waahanga whakangungu me te whakamatautau. Ko te wehewehe i te huingararaunga e hiahiatia ana mo te aromatawai koretake o te mahi matapae. Ka tohua pea e matou te nui o a matou raraunga me whakauru ki roto i te tereina me nga huingararaunga whakamatautau. I wehewehea e matou te huingararaunga ma te whakamahi i te wehenga whakamatautau tereina kia 80% o nga raraunga kei roto i te huinga tereina me te huinga whakamatautau he 20%. Ka taea te wehewehe i te huinga raraunga e whai ake nei:
3. Rereihana Raina
Ko te Regression Linear he tikanga ako miihini e mau ana i te ako. He mahi whakamuri. I runga i nga taurangi motuhake, ka whakatauira te regression i te uara matapae whainga. Ka whakamahia te nuinga ki te whakatau i te hononga i waenga i nga taurangi me te matapae. He rereke nga tauira whakahekenga rereke i runga i te momo hononga ka arotakehia e ratou i waenga i nga taurangi whakawhirinaki me nga taurangi motuhake, me te maha o nga taurangi motuhake e whakamahia ana. Ka taea noa e tatou te hanga i te tauira Linear Regression ma te whakamahi i te sklearn penei:
4. Rereihana Logistic
Ko te huarahi whakarōpūtanga noa ko te regression logistic. Kei roto i te whanau kotahi me te regression polynomial me te regression linear, no te whanau whakaroanga rarangi. Ko nga kitenga o te whakahekenga arorau he ngawari ki te maarama me te tere ki te tatau. He rite tonu ki te whakaheke ahorangi, ko te regression logistic he tikanga whakahekenga maataki. He taurangi te taurangi whakaputa, na koina anake te rereketanga. Ka taea e ia te whakatau mena he mate ngakau to te turoro, kaore ranei.
He maha nga take whakarōpūtanga, penei i te rapunga mokowhiti, ka taea te whakatau ma te whakamahi i te regression logistic. Te matapae mo te mate huka, te whakatau mena ka hoko te kaihoko i tetahi hua motuhake, ka huri ranei ki tetahi tauwhainga, ka whakatau mena ka paatohia e te kaiwhakamahi tetahi hononga hokohoko motuhake, me te maha atu o nga ahuatanga he tauira noa iho.
5. Rakau Whakatau
Ko te tikanga whakarōpūtanga me te tikanga matapae tino kaha me te whanui ko te rakau whakatau. Ko te rakau whakatau he anga rakau he rite te ahua o te tūtohi rerenga, ko ia node o roto e tohu ana i te whakamatautau i runga i tetahi huanga, ko ia peka e tohu ana i te mutunga o te whakamatautau, me ia node rau (node mutunga) e mau ana he tapanga karaehe.
Mena karekau he hononga rarangi o nga taurangi ti'aturi me nga taurangi motuhake, ara, ki te kore e puta nga kitenga tika, ka whai hua nga rakau whakatau. Ka taea te whakamahi i te ahanoa DecisionTreeRegression() he rite ki te whakamahi i te rakau whakatau mo te whakahokinga.
6. Ngahere tupurangi
He ngahere tupurangi ko a akoranga mīhini huarahi hei whakaoti i nga take whakahekenga me te whakarōpūtanga. Ka whakamahia e ia te ako ensemble, he tikanga e whakakotahi ana i nga whakarōpū maha hei whakaoti rapanga uaua. Ko te tikanga ngahere tupurangi he maha nga rakau whakatau. Ka whakamahia pea ki te whakarōpū i nga tono nama, ki te kite i te whanonga tinihanga, me te matapae i nga pakarutanga o te mate.
7. Whakararuraru Matrix
Ko te matrix rangirua he ripanga hei whakaahua i te mahinga tauira whakarōpūtanga. Ko nga kupu e wha e whai ake nei ka whakamahia hei tirotiro i te matrix rangirua:
- Tika Tika: E tohu ana he hua pai te whakatauira me te tika.
- Tika Tika: Ko te tohu he hua kino te whakatauira a he tika.
- He pai: Ko te tohu he hua pai te tauira engari he tino kino.
- He kino: Ko te tohu he hua kino te tumanako o te tauira, engari he tino pai te putanga.
Whakamahinga poupou rangirua:
AtAKi
- He ngawari ki te whakamahi.
- Ko te kohinga ako-Scikit he tino urutau me te whai hua, e mahi ana i nga whaainga o te ao penei i te matapae whanonga kaihoko, te whanaketanga neuroimage, me era atu.
- Ko nga kaiwhakamahi e hiahia ana ki te hono i nga algorithms me o raatau papaahi ka kitea nga tuhinga API taipitopito i runga i te paetukutuku Scikit-ako.
- He maha nga kaituhi, nga hoa mahi, me tetahi hapori ipurangi nui puta noa i te ao e tautoko ana me te pupuri i te Scikit-ako ki nga wa hou.
raruraru
- Ehara i te mea pai mo te ako hohonu.
Opaniraa
Ko te Scikit-ako he kohinga tino nui mo ia kaiputaiao raraunga kia tino mohio me etahi wheako. Ma tenei aratohu koe e awhina ki te raweke raraunga ma te whakamahi i te sklearn. He maha atu ano nga kaha o Scikit-ako ka kitea e koe i a koe e anga whakamua ana i roto i to haerenga putaiao raraunga. Tuhia o whakaaro i roto i nga korero.
Waiho i te Reply