Övervakad inlärning med Scikit-Learn

Övervakad inlärning innebär att träna en modell med hjälp av etiketterade data för att göra förutsägelser eller klassificera datapunkter. Scikit-learn är ett populärt Python-bibliotek för att implementera modeller för övervakad inlärning.

I den här lektionen får du lära dig att bygga och utvärdera modeller för övervakad inlärning med hjälp av Scikit-learn.

Övervakad inlärning använder etiketterade data, där varje indata har en motsvarande utdata. Målet är att lära sig en avbildning från indata till utdata.

Vanliga uppgifter är bland annat:

• Regression: Förutsägelse av kontinuerliga värden, till exempel huspriser.
• Klassificering: Förutsägelse av kategorier, till exempel spam eller inte spam.

Installera Scikit-learn med pip:

pip install scikit-learn

När biblioteket har installerats kan du importera det och börja bygga modeller.

Linjär regression används för att förutsäga kontinuerliga värden. Låt oss bygga en enkel linjär regressionsmodell:

# 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]]))

Logistisk regression används för binära klassificeringsuppgifter, till exempel för att avgöra om ett e-postmeddelande är spam eller inte.

# 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]]))

Beslutsträd är flexibla modeller som kan hantera både regressions- och klassificeringsuppgifter. Låt oss bygga en enkel beslutsträdsklassificerare:

# 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 tillhandahåller mått för att utvärdera modellens prestanda:

• Medelkvadratfel (MSE): För regressionsmodeller.
• Träffsäkerhet: För klassificeringsmodeller.

# 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))

Dela alltid upp datauppsättningen i tränings- och testmängder för att utvärdera modellens prestanda på data som den inte har sett tidigare:

# 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)

Här är några misstag som bör undvikas:

• Att inte dela upp data i tränings- och testmängder.
• Att överanpassa modellen genom att använda alltför komplexa algoritmer.
• Att använda felaktigt etiketterade data för träning.

I den här lektionen har du lärt dig:

• Hur du bygger regressions- och klassificeringsmodeller med Scikit-learn.
• Hur du utvärderar modellens prestanda med mått som MSE och träffsäkerhet.
• Hur viktigt det är att dela upp data i tränings- och testmängder.
• Vilka vanliga misstag som bör undvikas vid uppgifter inom övervakad inlärning.

Utmärkt arbete! Nu går vi vidare till nästa ämne.