Eisimpleir Ionnsachadh Inneal le Python: Ioma Sreathach air ais

Tha ath-thilleadh ioma-loidhneach eadar-dhealaichte bho ais-tharraing sreathach sìmplidh leis gu bheil e air a chuir an sàs ann an ioma-fheartan, seach dìreach aon. Anns an eisimpleir seo de ionnsachadh innealan tha sinn a’ dol a dh’fhaicinn ais-thionndadh ioma-loidhneach, mar sin le barrachd fheartan ann an cuir a-steach.

Prima di procedere, vi consiglio di leggere tre brevi articoli, dove troverete diverse definizioni:

1. Dè a th’ ann an Ionnsachadh Inneal, cò mu dheidhinn a tha e agus na h-amasan aige
2. Seòrsaichean Ionnsachadh Inneal
3. Eisimpleir Ionnsachadh Inneal le Python: Simple Linear Regression

Leis gum bi sinn ga chleachdadh Python, mura h-eil e agad air a’ PC agad fhathast, leugh cuideachd Mar a stàlaicheas tu Python air Microsoft Windows

Airson iomadachadh sreathach air ais cleachdaidh sinn cuideachd an scikit-ionnsaich, leis gu bheil e air leth sùbailte, a’ dèanamh a h-uile càil dligheach na chunnaic sinn anns aneisimpleir de tharraing air ais loidhneach sìmplidh.

Bidh an dòigh-obrach againn an uairsin ri fhaighinn a 'freagairt airson trèanadh agus dòigh-obrach ro-innse airson ro-innse. Cleachdaidh sinn an clas a-rithist cuideachd Sreathach-Tilleadh.

Cuideachd leis a 'ghnìomh dèan_aisig air ais togaidh sinn Seata Dàta deuchainn stèidhichte air na paramadairean a bheir sinn seachad. San dòigh seo tha an structar bunaiteach deiseil airson Linear Regression a dhèanamh. Cuimhnichidh sinn an dèan_aisig air ais sfruttando l’assegnazione multipla caratteristica di Python, mar a leanas:

x, y = make_regression (n_samples = 500, n_features = 5, fuaim = 10)

Mar sin bidh na feartan a leanas aig an t-seata dàta: 500 luachan, air an eagrachadh ann an 5 feartan, agus cuiridh sinn fuaim, eadar-dhealachadh mearachd de 10 gus nach bi an stòr-dàta a’ coimhead ro chunbhalach.

Roinnidh sinn a-nis an dàta gu pàirt a tha feumail airson trèanadh agus pàirt a tha feumail airson deuchainn. Dh’ fhaodadh sinn smaoineachadh air 80 sampall airson deuchainn agus an còrr airson trèanadh. Gus seo a dhèanamh bidh sinn a 'cleachdadh an gnìomh trèana_deuchainn_sgaradh a tha a’ roinn an dà liosta x e y in x_trèana, y_trèana e x_deuchainn, y_deuchainn

bho sklearn.model_selection import train_test_split

x_train, x_test, y_train, y_test = train_test_split (x, y, test_size = 80)

mar thoradh air sin bidh againn

((420, 5), (80, 5), (420,), (80,))

A-nis thèid sinn air adhart chun ath-thilleadh a tha a’ gabhail àite ann an dòigh gu tur coltach ri ais-tharraing sreathach sìmplidh, ach às aonais an ath-chumadh oir anns a' chùis so dèan_aisig air ais.

bho sklearn.linear_model import LinearRegression

model = Tilleadh loidhneach ()

model.fit (x_train, y_train)

Gu h-ìosal tha na crìochan àireamhaichte againn airson an ais-tharraing, còmhla ris na co-èifeachdan agus an eadar-ghearradh

tha model.coef_ a' gabhail an luach a leanas

sreath ([90.65, 23.45, 66.43, 42.54, 24.35])

model.intercept_ a' gabhail an luach a leanas

-0.4564

Leis a’ mhodail ionnsaichte is urrainn dhuinn an ro-innse a dhèanamh air dàta deuchainn agus a mheasadh le cuid de mheatairean:

ro-innse = model.predict (x_test)

mean_absolute_error (y_test, ro-aithris)

6.964857

ath_sgòr (y_test, ro-aithris)

0.9876

Ged a chleachd sinn dàta airson adhbharan foghlaim, tha na toraidhean a’ sealltainn gu bheil am modail againn ag obair. Tha e air foghlam fhaighinn, comasach air ro-innse a dhèanamh, agus tha e cuideachd air luach a chlàradh airson a’ mheatrach R-ceàrnagach aig cha mhòr an ìre as àirde.