Fa'ata'ita'iga a'oa'oga i masini fa'atasi ma le Python: Tele Fa'asologa Fa'asologa

E ese le fa'asologa o laina fa'atele mai le fa'asologa fa'asolosolo faigofie e fa'aoga i le tele o vaega, nai lo le tasi. I lenei faʻataʻitaʻiga aʻoaʻoga masini o le a tatou vaʻai i le tele o laina laina, o le mea lea ma le tele o mea faʻaoga.

Aʻo leʻi faʻaauau, ou te fautuaina oe e faitau ni tala pupuu se tolu, lea e te maua ai le eseʻese defimea:

1. O le a le Machine Learning, o le a lona uiga ma ona sini
2. Ituaiga o Masini A'oa'oga
3. Fa'ata'ita'iga a'oa'oga i masini fa'atasi ma le Python: Fa'asologa Fa'asologa Fa'asolo

Va'ai a'o matou fa'aogaina le Python, afai e te le'i maua i lau PC, faitau fa'atasi Faʻafefea ona faʻapipiʻi le Python i luga ole Microsoft Windows

O le a matou faʻaogaina foʻi le mo le tele o laina laina scikit-aʻoaʻo, e matua fetuutuuna'i ma fa'amaonia mea uma ua tatou va'aia i leFa'ata'ita'iga o le Fa'asolo Fa'asologa Fa'afaigofie.

Ona tatou maua ai lea o le metotia faʻafetaui mo aoaoga ma metotia vavalo mo valo'aga. O le a matou toe faʻaaogaina foi le vasega Fa'asologa Fa'asologa.

Faapea foi ma le galuega fai_regression o le a matou fausia se faʻataʻitaʻiga Set Data e faʻavae i luga o tapulaʻa o le a matou tuʻuina atu. I lenei auala ua saunia le fausaga faavae e fai le laina laina. O le a matou valaau le fai_regression faʻaaogaina le tele o faʻatonuga o le Python, e pei ona taua i lalo:

x, y = fai_regression(n_samples=500, n_features=5, pisa=10)

O lea la o le dataset o le ai ai uiga nei: 500 tau, faʻatulagaina i 5 foliga, ma matou faʻaopoopoina se pisa, o se mea sese sese o le 10 e le faia le dataset foliga masani.

Sei o tatou vaevae nei le dataset i se vaega aoga mo aoaoga ma se vaega aoga mo le su'ega. E mafai ona matou mafaufau i 80 faʻataʻitaʻiga mo suʻega ma isi mo aʻoaʻoga. Ina ia faia lenei mea matou te faʻaaogaina le galuega train_test_split lea e vaelua ai lisi e lua x e y in x_ nofoaafi, y_ nofoaafi e x_su'ega, y_su'ega

mai le sklearn.model_selection faaulufale mai train_test_split

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

o se taunuuga o le a tatou maua

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

Ua tatou agai atu nei i le solomuli lea e tupu i se auala e tutusa lelei lava i le sologa faigofie laina, ae aunoa ma le toe faʻavasega aua o le tulaga lea na ia mafaufau ai fai_regression.

mai le sklearn.linear_model faaulufale mai LinearRegression

fa'ata'ita'iga = LinearRegression()

model.fit(x_train, y_train)

I lalo ifo o loʻo i ai a matou faʻasologa faʻatulagaina mo le toe faʻafoʻi, faʻatasi ai ma le coefficients ma le faʻalavelave

model.coef_ e ave le tau o loʻo mulimuli mai

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

model.intercept_ e ave le tau o loʻo mulimuli mai

-0.4564

Faatasi ai ma le faʻataʻitaʻiga aʻoaʻoina e mafai ona tatou faia le vaʻaiga i luga o faʻamaumauga o suʻega ma iloilo i nisi o fuataga:

valo'aga = model.predict(x_test)

mean_absolute_error(y_test, valo'aga)

6.964857

re_score(y_test, valo'aga)

0.9876

E ui lava na matou faʻaogaina faʻamaumauga mo faʻamoemoega faʻaleaʻoaʻoga, o faʻaiʻuga e faʻaalia ai e aoga a matou faʻataʻitaʻiga. E a'oa'oina o ia, e mafai ona fai ni valo'aga, ma e iai fo'i lona tau mo le metric R-squared e latalata i le tumutumu.

Ercole Palmeri: O mea fou ua fai ma vaisu

---