Создание простой модели машинного обучения

Опубликовано: 25 Июля, 2021

Создайте модель линейной регрессии в Python, используя случайно созданный набор данных.

Модель линейной регрессии
Вундеркинды линейной регрессии для гиков

Создание обучающего набора

 # python library to generate random numbers
 from random import randint
 
# the limit within which random numbers are generated
 TRAIN_SET_LIMIT = 1000
 
# to create exactly 100 data items
 TRAIN_SET_COUNT = 100
 
# list that contains input and corresponding output
 TRAIN_INPUT = list ()
 TRAIN_OUTPUT = list ()
 
# loop to create 100 data items with three columns each
 for i in range (TRAIN_SET_COUNT):
    a = randint( 0 , TRAIN_SET_LIMIT)
    b = randint( 0 , TRAIN_SET_LIMIT)
    c = randint( 0 , TRAIN_SET_LIMIT)
 
# creating the output for each data item
    op = a + ( 2 * b) + ( 3 * c)
    TRAIN_INPUT.append([a, b, c])
 
# adding each output to output list
    TRAIN_OUTPUT.append(op)

Модель машинного обучения - линейная регрессия

Модель может быть создана в два этапа: -
1. Обучение модели с помощью обучающих данных
2. Тестирование модели с помощью тестовых данных.

Обучение модели
Данные, созданные с использованием приведенного выше кода, используются для обучения модели.

 # Sk-Learn contains the linear regression model
 from sklearn.linear_model import LinearRegression
 
# Initialize the linear regression model
 predictor = LinearRegression(n_jobs = - 1 )
 
# Fill the Model with the Data
 predictor.fit(X = TRAIN_INPUT, y = TRAIN_OUTPUT) 

Тестирование данных
Тестирование проводится вручную. Тестирование может быть выполнено с использованием некоторых случайных данных и тестирования, дает ли модель правильный результат для входных данных.

 # Random Test data
 X_TEST = [[ 10, 20, 30 ]]
 
# Predict the result of X_TEST which holds testing data
 outcome = predictor.predict(X = X_TEST)
 
# Predict the coefficients
 coefficients = predictor.coef_
 
# Print the result obtained for the test data
 print( 'Outcome : {}
Coefficients : {}' .format(outcome, coefficients)) 

Результат приведенных выше тестовых данных должен быть 10 + 20 * 2 + 30 * 3 = 140.
Выход

Результат: [140.]
Коэффициенты: [1. 2. 3.]

Внимание компьютерщик! Укрепите свои основы с помощью базового курса программирования Python и изучите основы.

Для начала подготовьтесь к собеседованию. Расширьте свои концепции структур данных с помощью курса Python DS. А чтобы начать свое путешествие по машинному обучению, присоединяйтесь к курсу Машинное обучение - базовый уровень.

Python Машинное обучение Продвинутая компьютерная тематика

Создание простой модели машинного обучения

РЕКОМЕНДУЕМЫЕ СТАТЬИ