Rozdział 5. Ocena i doskonalenie modelu
Po omówieniu podstaw uczenia nadzorowanego i nienadzorowanego oraz po zbadaniu różnych algorytmów uczenia maszynowego przyjrzymy się dokładniej ocenie modeli i wyborowi parametrów.
Skoncentrujemy się na nadzorowanych metodach, regresji i klasyfikacji, ponieważ (jak widzieliśmy w rozdziale 3.) ocena i wybór modeli w uczeniu maszynowym bez nadzoru często jest procesem, który wpływa na jakość.
Aby ocenić nadzorowane modele, do tej pory dzieliliśmy za pomocą funkcji train_test_split zestaw danych na uczący i testowy, budowaliśmy model na zestawie uczącym, wywołując metodę fit, i ocenialiśmy go na zestawie testowym za pomocą metody score, która do klasyfikacji oblicza odsetek poprawnie sklasyfikowanych próbek. ...
Get Machine learning, Python i data science now with the O’Reilly learning platform.
O’Reilly members experience books, live events, courses curated by job role, and more from O’Reilly and nearly 200 top publishers.
