Özet - Sınıflandırma
- Makine Öğrenmesi kursu
- Başlangıç
- Ders 64/112
- 6 dk
Bu grupta sınıflandırma, doğruluk ve karmaşıklık matrisini öğrendin.
Özet: sınıflandırma
Bu grupta:
- Sınıflandırma etiket tahmin eder; lojistik regresyon sigmoid ile olasılık üretir.
- İkili problemde
predict_proba[:, 1]pozitif olasılıktır; 0.5 yalnızca varsayılan eşiktir. - Çok sınıfta olasılık satırı toplamı 1'dir; OvR ikili modelleri genişletir.
- Doğruluk dengesiz veride yanıltır;
DummyClassifiertemel çizgi verir. - Karmaşıklık matrisi TP, TN, FP, FN hatalarını ayırır.
Uygulama Sınıflandırma raporu
Iris'i test_size=0.3, random_state=0, stratify=y ile böl, LogisticRegression(max_iter=1000) eğit. Test doğruluğunu round(..., 3) ile, ardından karmaşıklık matrisini yazdır.
Başlangıç kodu
from sklearn.datasets import load_iris
from sklearn.model_selection import train_test_split
from sklearn.linear_model import LogisticRegression
from sklearn.metrics import accuracy_score, confusion_matrix
X, y = load_iris(return_X_y=True)
# buraya yazÖrnek çözüm
from sklearn.datasets import load_iris
from sklearn.model_selection import train_test_split
from sklearn.linear_model import LogisticRegression
from sklearn.metrics import accuracy_score, confusion_matrix
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)
m = LogisticRegression(max_iter=1000).fit(X_train, y_train)
p = m.predict(X_test)
print(round(accuracy_score(y_test, p), 3))
print(confusion_matrix(y_test, p))Beklenen çıktı
1.0 [[15 0 0] [ 0 15 0] [ 0 0 15]]
Soru ve cevaplar
Dersin sorularını cevaplarıyla birlikte inceleyebilirsin. Kendini denemek istersen dersi interaktif olarak çöz.
1 Bir modelin değerli olduğunu göstermek için ilk karşılaştırma ne olmalıdır?
- En sık sınıfı tahmin eden temel model Doğru cevap
- Eğitim doğruluğu
- Başka bir veri seti
- Karşılaştırma gerekmez
Açıklama: Model, hiçbir şey öğrenmeyen temel çizgiyi belirgin biçimde geçmelidir.
2 Karmaşıklık matrisini hesapla.
Soru
cm = ____(y_test, y_pred)
Cevap
cm = confusion_matrix(y_test, y_pred)Açıklama: confusion_matrix satırları gerçek, sütunları tahmin sınıflarıdır.
3 Araçları eşleştir.
| Kavram | Anlamı |
|---|---|
LogisticRegression |
Olasılıklı sınıflandırıcı |
DummyClassifier |
Temel çizgi |
accuracy_score |
Doğru oranı |
confusion_matrix |
Hata dağılımı |