Özet - ML temelleri
- Makine Öğrenmesi kursu
- Başlangıç
- Ders 6/112
- 6 dk
Bu grupta ML'nin tanımını, türlerini ve temel kavramlarını öğrendin.
Özet: ML iş akışı
Bu bölümde makine öğrenmesinin temel döngüsünü gördün:
- Veriyi
X(iki boyutlu) vey(tek boyutlu) olarak hazırla. train_test_splitile eğitim ve test kümelerine böl.- Modeli
fit(X_train, y_train)ile eğit. predictile tahmin et,scoreile test kümesinde ölç.
from sklearn.model_selection import train_test_split
from sklearn.neighbors import KNeighborsClassifier
X_tr, X_te, y_tr, y_te = train_test_split(X, y, test_size=0.2, random_state=0)
model = KNeighborsClassifier().fit(X_tr, y_tr)
print(model.score(X_te, y_te))Uygulama Uçtan uca
Veriyi test_size=0.25, random_state=0 ile böl, KNeighborsClassifier(n_neighbors=3) eğit ve test doğruluğunu yazdır.
Başlangıç kodu
from sklearn.model_selection import train_test_split
from sklearn.neighbors import KNeighborsClassifier
X = [[i] for i in range(40)]
y = [0 if i < 20 else 1 for i in range(40)]
# buraya yazÖrnek çözüm
from sklearn.model_selection import train_test_split
from sklearn.neighbors import KNeighborsClassifier
X = [[i] for i in range(40)]
y = [0 if i < 20 else 1 for i in range(40)]
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.25, random_state=0)
model = KNeighborsClassifier(n_neighbors=3)
model.fit(X_train, y_train)
print(model.score(X_test, y_test))Beklenen çıktı
1.0
Soru ve cevaplar
Dersin sorularını cevaplarıyla birlikte inceleyebilirsin. Kendini denemek istersen dersi interaktif olarak çöz.
1 Modelin başarısı hangi veriyle ölçülmelidir?
- Ölçmeye gerek yoktur
- Eğitimde kullanılmamış test verisiyle Doğru cevap
- Eğitim verisiyle
- Tüm veriyle
Açıklama: Gerçek başarı, modelin hiç görmediği örneklerdeki başarıdır.
2 Test kümesinde başarıyı ölç.
Soru
print(model.____(X_test, y_test))
Cevap
print(model.score(X_test, y_test))Açıklama: score, sınıflandırıcılarda doğruluğu, regresyon modellerinde R² değerini verir.
3 Adımları yöntemleriyle eşleştir.
| Kavram | Anlamı |
|---|---|
Bölme |
train_test_split |
Eğitim |
fit |
Tahmin |
predict |
Ölçme |
score |