Özet - scikit-learn
- Makine Öğrenmesi kursu
- Orta seviye
- Ders 6/112
- 6 dk
Bu grupta scikit-learn estimator API'sini öğrendin.
Özet: scikit-learn
Bu grupta:
- Ortak arayüz:
fit,predict,transform,score; modeller tek satırla değiştirilir. - Estimator rolleri: tahminci, dönüştürücü; hiperparametre kurucuda, öğrenilen
_ile. clone,get_params,set_params.predict_proba,decision_function; tek örnek içinreshape(1, -1).- Varsayılan
score;get_scorervemake_scorerile özel ölçüt.
Uygulama Yapay veride karşılaştırma
make_moons(n_samples=300, noise=0.25, random_state=0) ile veri üret ve test_size=0.3, random_state=0 ile böl. LogisticRegression() ve SVC()'yi eğit; her satırda sınıf adını ve test doğruluğunu round(..., 3) ile yazdır.
Başlangıç kodu
from sklearn.datasets import make_moons
from sklearn.model_selection import train_test_split
from sklearn.linear_model import LogisticRegression
from sklearn.svm import SVC
# buraya yazÖrnek çözüm
from sklearn.datasets import make_moons
from sklearn.model_selection import train_test_split
from sklearn.linear_model import LogisticRegression
from sklearn.svm import SVC
X, y = make_moons(n_samples=300, noise=0.25, random_state=0)
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.3, random_state=0)
for m in [LogisticRegression(), SVC()]:
m.fit(X_train, y_train)
print(type(m).__name__, round(m.score(X_test, y_test), 3))Beklenen çıktı
LogisticRegression 0.844 SVC 0.967
Soru ve cevaplar
Dersin sorularını cevaplarıyla birlikte inceleyebilirsin. Kendini denemek istersen dersi interaktif olarak çöz.
1 Çapraz doğrulama her katmanda neden <code>clone</code> kullanır?
- Ağırlıkları paylaşmak için
- Kullanmaz
- Her katman temiz, eğitilmemiş bir modelle başlasın diye Doğru cevap
- Hızlı olduğu için
Açıklama: Önceki katmanda öğrenilenler sonraki katmanın skorunu etkilememelidir.
2 Adla F1 ölçütü al.
Soru
olcut = ____("f1_macro")
Cevap
olcut = get_scorer("f1_macro")Açıklama: get_scorer, scoring parametresindeki adlarla aynı ölçütü döndürür.
3 Araçları eşleştir.
| Kavram | Anlamı |
|---|---|
make_classification |
Yapay veri |
clone |
Temiz kopya |
decision_function |
Ham skor |
make_scorer |
Özel metrik |