Estimator API
- Makine Öğrenmesi kursu
- Orta seviye
- Ders 2/112
- 5 dk
Tüm scikit-learn modelleri fit() ve predict() metotlarını paylaşır.
Estimator API
scikit-learn'de her şey bir estimatordır: veriden bir şey öğrenen nesne. Üç rol vardır:
- Tahminci (predictor):
fit+predict(modeller). - Dönüştürücü (transformer):
fit+transform(ölçekleyiciler, kodlayıcılar, PCA). - Değerlendirici:
score.
sc = StandardScaler() # dönüştürücü
sc.fit(X_train)
Z = sc.transform(X_train)
m = LogisticRegression() # tahminci
m.fit(Z, y_train)
m.predict(sc.transform(X_test))Hiperparametreler kurucuda verilir, öğrenilen değerler sonradan _ ile biten özniteliklerde saklanır.
clone ve get_params
Bir estimator'ın hiperparametreleri get_params() ile okunur, set_params() ile değiştirilir. clone aynı ayarlarla eğitilmemiş yeni bir kopya üretir; çapraz doğrulama her katmanda bunu yapar:
from sklearn.base import clone
m = LogisticRegression(C=0.5).fit(X_train, y_train)
yeni = clone(m)
print(yeni.get_params()["C"]) # 0.5
print(hasattr(yeni, "coef_")) # False: eğitilmemişBu tasarım sayesinde kendi yazdığın sınıflar da BaseEstimator'dan türeyince tüm araçlarla uyumlu çalışır.
Uygulama clone ile kopyala
LogisticRegression(C=0.1, max_iter=1000) eğit. clone ile kopyala; kopyanın C değerini ve coef_ özniteliği olup olmadığını aynı satırda yazdır. Ardından kopyayı set_params(C=10) ile değiştirip eğit ve test doğruluğunu round(..., 3) ile yazdır.
Başlangıç kodu
from sklearn.datasets import load_iris
from sklearn.model_selection import train_test_split
X, y = load_iris(return_X_y=True)
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.3, random_state=0, stratify=y)
from sklearn.base import clone
from sklearn.linear_model import LogisticRegression
# buraya yazÖrnek çözüm
from sklearn.datasets import load_iris
from sklearn.model_selection import train_test_split
X, y = load_iris(return_X_y=True)
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.3, random_state=0, stratify=y)
from sklearn.base import clone
from sklearn.linear_model import LogisticRegression
m = LogisticRegression(C=0.1, max_iter=1000).fit(X_train, y_train)
yeni = clone(m)
print(yeni.get_params()["C"], hasattr(yeni, "coef_"))
yeni.set_params(C=10).fit(X_train, y_train)
print(round(yeni.score(X_test, y_test), 3))Beklenen çıktı
0.1 False 1.0
Soru ve cevaplar
Dersin sorularını cevaplarıyla birlikte inceleyebilirsin. Kendini denemek istersen dersi interaktif olarak çöz.
1 PCA hangi estimator rolündedir?
- Değerlendirici
- Hiçbiri
- Dönüştürücü Doğru cevap
- Tahminci
Açıklama: PCA fit ile bileşenleri öğrenir, transform ile veriyi dönüştürür; tahmin yapmaz.
2 Aynı ayarlarla eğitilmemiş bir kopya oluştur.
yeni = ____(m)yeni = clone(m)Açıklama: clone yalnızca hiperparametreleri kopyalar, öğrenilenleri değil.
3 Rolleri eşleştir.
| Kavram | Anlamı |
|---|---|
StandardScaler |
Dönüştürücü |
LogisticRegression |
Tahminci |
clone |
Eğitilmemiş kopya |
set_params |
Ayar değiştirme |