Begeleid leren met Scikit-Learn

Bij begeleid leren train je een model met gelabelde gegevens om voorspellingen te doen of gegevenspunten te classificeren. Scikit-learn is een populaire Python-bibliotheek voor het implementeren van modellen voor begeleid leren.

In deze les leer je hoe je modellen voor begeleid leren bouwt en evalueert met Scikit-learn.

Bij begeleid leren gebruik je gelabelde gegevens, waarbij elke invoer een bijbehorende uitvoer heeft. Het doel is om een verband tussen invoer en uitvoer te leren.

Veelvoorkomende taken zijn:

• Regressie: Continue waarden voorspellen, bijvoorbeeld huizenprijzen.
• Classificatie: Categorieën voorspellen, bijvoorbeeld ongewenste e-mail of geen ongewenste e-mail.

Installeer Scikit-learn met pip:

pip install scikit-learn

Na de installatie kun je de bibliotheek importeren en modellen gaan bouwen.

Lineaire regressie wordt gebruikt om continue waarden te voorspellen. Laten we een eenvoudig model voor lineaire regressie bouwen:

# Example: Linear Regression
from sklearn.linear_model import LinearRegression

# Sample data
X = [[1], [2], [3]]
y = [2, 4, 6]

model = LinearRegression()
model.fit(X, y)
print("Predicted value:", model.predict([[4]]))

Logistische regressie wordt gebruikt voor binaire classificatietaken, zoals bepalen of een e-mail ongewenst is of niet.

# Example: Logistic Regression
from sklearn.linear_model import LogisticRegression

# Sample data
X = [[1], [2], [3]]
y = [0, 0, 1]

model = LogisticRegression()
model.fit(X, y)
print("Predicted class:", model.predict([[1.5]]))

Beslisbomen zijn veelzijdige modellen die zowel regressie- als classificatietaken aankunnen. Laten we een eenvoudige classificator met een beslisboom bouwen:

# Example: Decision Tree Classifier
from sklearn.tree import DecisionTreeClassifier

# Sample data
X = [[1], [2], [3]]
y = [0, 1, 0]

model = DecisionTreeClassifier()
model.fit(X, y)
print("Predicted class:", model.predict([[2.5]]))

Scikit-learn biedt metrische functies om modelprestaties te evalueren:

• Gemiddelde kwadratische fout (MSE): Voor regressiemodellen.
• Nauwkeurigheid: Voor classificatiemodellen.

# Example: Evaluating a model
from sklearn.metrics import mean_squared_error

# Predictions
y_true = [2, 4, 6]
y_pred = [2.1, 3.9, 5.8]
print("MSE:", mean_squared_error(y_true, y_pred))

Splits je gegevensverzameling altijd op in trainings- en evaluatiegegevens, zodat je de modelprestaties op niet eerder geziene gegevens kunt beoordelen:

# Example: Train-Test Split
from sklearn.model_selection import train_test_split

X = [[1], [2], [3], [4]]
y = [0, 1, 0, 1]

X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.25)
print("Training data:", X_train)

Dit zijn enkele fouten die je moet vermijden:

• Gegevens niet opsplitsen in trainings- en evaluatiesets.
• Het model overfitten door te complexe algoritmen te gebruiken.
• Slecht gelabelde gegevens gebruiken voor het trainen.

In deze les heb je geleerd:

• Hoe je regressie- en classificatiemodellen bouwt met Scikit-learn.
• Hoe je modelprestaties evalueert met metrische functies zoals MSE en nauwkeurigheid.
• Waarom het belangrijk is om gegevens op te splitsen in trainings- en evaluatiesets.
• Welke veelgemaakte fouten je bij taken voor begeleid leren moet vermijden.

Goed gedaan! Laten we doorgaan naar het volgende onderwerp.