Машинное обучение для детей: начальная программа Python по машинному обучению | GPTMain News

Введение

Добро пожаловать в этот учебник по программе Starter Machine Learning Python! Машинное обучение — это метод анализа данных, который автоматизирует построение аналитических моделей. Это отличный способ заставить компьютеры учиться на данных и делать прогнозы или принимать решения без явного программирования для этого. В этом руководстве мы собираемся написать простую программу машинного обучения с использованием Python.

Это кому?

Оценка: с 6 по 10.

Этот учебник создан для учащихся 6–10 классов, которые уже знакомы с Python, включая переменные, типы данных, условные операторы, циклы, функции и библиотеки. Вы также должны иметь базовые знания по математике. Если вам не терпится окунуться в мир машинного обучения, давайте погрузимся!

Читайте также: Как начать работу с машинным обучением в Julia

Чему мы научимся?

Машинное обучение для детей. В этом руководстве мы узнаем, как создать простую модель машинного обучения с использованием библиотеки Python под названием Scikit-learn. Мы будем использовать набор данных Iris, который является популярным набором данных в машинном обучении и статистике. Он содержит размеры 150 цветов ириса трех разных видов.

В машинном обучении у нас обычно есть набор данных, состоящий как из входных данных, так и из выходных данных. Целью модели машинного обучения является изучение функции, которая наилучшим образом отображает входные данные в выходные данные. Затем эту функцию можно использовать для прогнозирования вывода новых, невидимых входных данных.

Scikit-learn — это библиотека Python для машинного обучения, которая поставляется со многими встроенными наборами данных, такими как набор данных Iris, и инструментами для обработки данных, создания моделей, обучения и оценки моделей.

Вот базовая программа машинного обучения, использующая набор данных Iris:

# Import the necessary libraries
from sklearn.datasets import load_iris
from sklearn.model_selection import train_test_split
from sklearn.neighbors import KNeighborsClassifier
from sklearn import metrics

# Load Iris dataset
iris = load_iris()

# Create features and target variable
X = iris.data   # features
y = iris.target  # target variable (species)

# Split dataset into training set and test set
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=4)

# Create KNN Classifier
knn = KNeighborsClassifier(n_neighbors=5)

# Train the model using the training sets
knn.fit(X_train, y_train)

# Predict the response for test dataset
y_pred = knn.predict(X_test)

# Model Accuracy
print("Accuracy:", metrics.accuracy_score(y_test, y_pred))

Вот что делает код:

Начнем с импорта необходимых библиотек.

Мы загружаем набор данных Iris с помощью load_iris() функция.

X и y — наши функции и целевая переменная соответственно. Особенности — это размеры цветов, а целевая переменная — это виды цветов.

Мы разделяем набор данных на обучающий набор и тестовый набор. Модель будет учиться на тренировочном наборе, и мы будем использовать тестовый набор для оценки модели.

Мы создаем классификатор K-ближайших соседей (KNN). KNN — это простой алгоритм машинного обучения, который классифицирует точку данных на основе большинства ее «k» соседей.

Мы обучаем наш классификатор KNN, используя fit метод, а затем мы делаем прогнозы на тестовом наборе, используя predict метод.

Наконец, мы печатаем точность нашей модели. Точность — это доля набора тестов, которую наша модель правильно классифицировала.

Эта программа — отличное начало вашего пути к машинному обучению. Вы узнали, как создать и оценить простую модель машинного обучения в Python. В будущих руководствах мы углубимся в более сложные аспекты машинного обучения. Продолжайте исследовать и счастливого кодирования!

СЛЕДУЮЩИЕ ОБУЧЕНИЯ

Урок 1 — Установка Python
Урок 2 — Ваша первая программа на Python
Урок 3 — Переменные Python
Урок 4 — Типы данных Python
Урок 5 — Условные выражения Python
Урок 6 — Циклы Python
Урок 7 — Функции Python
Урок 8 — Расширенные функции Python
Урок 9. Начальная программа машинного обучения Python
Урок 10. Ваша первая программа машинного обучения!

Узнайте больше с этой книгой.

Python для детей, 2-е издание: игровое введение в программирование

Рекомендации

Бриггс, Джейсон Р. Python для детей: игровое введение в программирование. Пресса без крахмала, 2012.

Последние статьи

Related articles

ОСТАВЬТЕ ОТВЕТ

Пожалуйста, введите ваш комментарий!
пожалуйста, введите ваше имя здесь

hentai lou nicehentai.com ahegeo hentai pron v bigztube.mobi kannada school girl sex videos sxsi com pornoko.net indian porn xnxx.com سكس.جماعي pornigh.com سكس لوسي bangali sex in kompoz2.com ganapa kannada movie songs
سكس مع المعلمة matureporni.com سكس كس مفتوح desi clip.com foxporns.info girls sexy pictures хентай манга hentaitale.net hentai zombie girl little sister doujin justhentaiporn.com kasumi tendo hentai افلام جيانا مايكلز gratisfucktube.com foto sex
desi gay porn vedio momyporn.mobi nepali x video مدام شرموطه freetube18x.com ايناس الدغيدي سكس tony tony chopper hentai hentaimangaz.com naruto new hentai manga الكس والزبر pornarabic.net احلى بزاز ميلفاية arabgrid.net فلم\سكس