Het fit- en predict-contract
De API die elke estimator deelt
Het fit- en predict-contract is een gratis Data Science Academy-les op CoddyKit. Dit is les 1 van 4. Je kunt de volledige les hieronder gratis lezen en daarna in de browser praktisch oefenen met een ingebouwde code-editor en een AI-begeleider die 24/7 beschikbaar is. Deze les maakt deel uit van het leertraject Data Science Academy. Je voortgang wordt gesynchroniseerd op het web en in de CoddyKit-app. De cursus Data Science Academy bevat in totaal 4 lessen.
Maak kennis met de schatter
In scikit-learn is elk model een schatter: één object dat je maakt, traint en vervolgens om antwoorden vraagt. Elke keer dezelfde vorm. 🤖
Twee werkwoorden om te onthouden
De hele bibliotheek steunt op twee methoden: fit om van gegevens te leren en predict om te gebruiken wat het model heeft geleerd. Als je deze beheerst, kun je bijna elk model gebruiken.
fit betekent leren
Als je fit aanroept, geef je het model je voorbeelden zodat het patronen kan vinden. Er wordt nog niets voorspeld; het model bestudeert alleen de gegevens.
model.fit(X, y)predict betekent antwoorden
Na het trainen neemt predict nieuwe invoer aan en geeft het de beste schattingen van het model terug. Hier werpt het leren eindelijk zijn vruchten af.
predictions = model.predict(X_new)Eén consistent contract
Dit patroon van eerst fit en daarna predict is een contract dat elke schatter naleeft. Vervang een boom door een lineair model en je code verandert nauwelijks.
Maken vóór trainen
Je maakt de schatter altijd eerst, vaak met instellingen, voordat er gegevens aan worden doorgegeven. Dat lege model is klaar om te leren.
from sklearn.linear_model import LinearRegression
model = LinearRegression()De volgorde is altijd belangrijk
Je moet eerst fit uitvoeren voordat je predict gebruikt. Als je een ongetraind model om antwoorden vraagt, ontstaat er een fout omdat het nog niets heeft geleerd.
fit geeft het model terug
De aanroep fit geeft ook het model zelf terug, zodat je stappen op één regel kunt koppelen wanneer je compacte, leesbare code wilt.
model = LinearRegression().fit(X, y)De geleerde toestand zit binnenin
Na het fitten slaat het model wat het heeft geleerd op in attributen die eindigen op een underscore, zoals coef_. Ze verschijnen pas nadat het trainen is voltooid.
model.coef_Dezelfde API, veel modellen
Omdat de API gedeeld wordt, kun je verschillende modellen uitproberen door één regel te wijzigen. De aanroepen fit en predict blijven identiek.
from sklearn.tree import DecisionTreeRegressor
model = DecisionTreeRegressor()Waarom dit ontwerp werkt
Een voorspelbare interface betekent minder om te onthouden en snellere experimenten. Je richt je op het probleem, niet op de eigenaardigheden van elke bibliotheek.
Snelle controle
Laten we het basiscontract dat elke schatter volgt goed vastleggen.
Samenvatting
Elke schatter volgt één contract: maak hem, roep fit aan om te leren en gebruik daarna predict om te antwoorden. Met één patroon ontsluit je de hele bibliotheek. 🎯
Leer Python met een AI-tutor — gratis
Schrijf echte code en voer die uit in je browser, krijg direct hulp van een AI-tutor die 24/7 beschikbaar is en ga verder waar je gebleven bent op het web of in de app.
- Cursussen
- 30
- Lessen
- 120
Veelgestelde vragen
Is de les “Het fit- en predict-contract” gratis?
Ja — de volledige tekst van “Het fit- en predict-contract” kun je hier gratis op het web lezen. Als je interactief wilt oefenen met een ingebouwde code-editor en een AI-begeleider die 24/7 beschikbaar is, en de rest van de cursus Data Science Academy wilt ontgrendelen, kun je upgraden naar CoddyKit PRO. De cursus Data Science Academy bevat in totaal 4 lessen.
Wat leer ik in “Het fit- en predict-contract”?
De API die elke estimator deelt Je oefent met Data Science Academy door code rechtstreeks in de browser uit te voeren. Een AI-begeleider die 24/7 beschikbaar is beantwoordt je vragen terwijl je de les doorwerkt.
Heb ik ervaring nodig om met Data Science Academy te beginnen?
Ervaring vooraf is niet nodig. Data Science Academy op CoddyKit is opgebouwd voor beginners tot gevorderden, zodat je hier of bij het begin kunt starten en in je eigen tempo kunt leren. Dit is les 1 van 4.
Hoe lang duurt de les “Het fit- en predict-contract”?
De meeste lessen van CoddyKit duren ongeveer 5–10 minuten. Elke les is kort en interactief, zodat je gestaag vooruitgaat en op het web en in de app precies verdergaat waar je was gebleven.
Kan ik code schrijven en uitvoeren in deze les over Data Science Academy?
Ja. Elke les over Data Science Academy bevat een ingebouwde code-editor, zodat je rechtstreeks in je browser echte code kunt schrijven en uitvoeren en direct feedback van AI krijgt — lokale installatie is niet nodig.
Alle lessen in deze cursus
- Het fit- en predict-contract
- Kenmerken X en doelvariabele y
- Een lineaire regressie trainen
- Uw eerste model scoren