Apprendre Classification Multi-Classes

La classification multi-classes avec k-NN est aussi simple que la classification binaire. Nous choisissons simplement la classe qui prévaut dans le voisinage.

Le KNeighborsClassifier effectue automatiquement une classification multi-classes si y a plus de deux caractéristiques, donc vous n'avez pas besoin de changer quoi que ce soit. La seule chose qui change est la variable y fournie à la méthode .fit().

Maintenant, vous allez effectuer une classification multi-classes avec k-NN.
Considérez le jeu de données suivant :


              1234
            
import pandas as pd

df = pd.read_csv('https://codefinity-content-media.s3.eu-west-1.amazonaws.com/b71ff7ac-3932-41d2-a4d8-060e24b00129/starwars_multiple.csv')
print(df.head())

C'est la même chose que dans l'exemple du chapitre précédent, mais maintenant la cible peut prendre trois valeurs :

0 – "Détesté" (la note est inférieure à 3/5);
1 – "Bof" (la note est entre 3/5 et 4/5);
2 – "Aimé" (la note est de 4/5 ou plus).

Passons à la classification ! Eh bien, attendez, voici le rappel des classes que vous allez utiliser.

Et maintenant, passons à la classification !

Tâche

Swipe to start coding

Effectuez une classification en utilisant le KNeighborsClassifier avec n_neighbors égal à 13.

Importez le KNeighborsClassifier.
Utilisez la classe appropriée pour mettre à l'échelle les données.
Mettez à l'échelle les données en utilisant .fit_transform() pour les données d'entraînement et .transform() pour les nouvelles instances.
Créez l'objet KNeighborsClassifier et fournissez-lui X_scaled et y.
Prédisez les classes pour les nouvelles instances (X_new_scaled)

_{Une fois que vous avez terminé cette tâche, cliquez sur le bouton sous le code pour vérifier votre solution.}

Solution

Tout était clair ?

Merci pour vos commentaires !

Section 1. Chapitre 5

single

Demandez à l'IA

Posez n'importe quelle question ou essayez l'une des questions suggérées pour commencer notre discussion

Suggested prompts:

Résumer ce chapitre

Expliquer le code dans file

Expliquer pourquoi file ne résout pas la tâche

Glissez pour afficher le menu

La classification multi-classes avec k-NN est aussi simple que la classification binaire. Nous choisissons simplement la classe qui prévaut dans le voisinage.

Maintenant, vous allez effectuer une classification multi-classes avec k-NN.
Considérez le jeu de données suivant :


              1234
            
import pandas as pd

df = pd.read_csv('https://codefinity-content-media.s3.eu-west-1.amazonaws.com/b71ff7ac-3932-41d2-a4d8-060e24b00129/starwars_multiple.csv')
print(df.head())

C'est la même chose que dans l'exemple du chapitre précédent, mais maintenant la cible peut prendre trois valeurs :

0 – "Détesté" (la note est inférieure à 3/5);
1 – "Bof" (la note est entre 3/5 et 4/5);
2 – "Aimé" (la note est de 4/5 ou plus).

Passons à la classification ! Eh bien, attendez, voici le rappel des classes que vous allez utiliser.

Et maintenant, passons à la classification !

Tâche

Swipe to start coding

Effectuez une classification en utilisant le KNeighborsClassifier avec n_neighbors égal à 13.

Importez le KNeighborsClassifier.
Utilisez la classe appropriée pour mettre à l'échelle les données.
Mettez à l'échelle les données en utilisant .fit_transform() pour les données d'entraînement et .transform() pour les nouvelles instances.
Créez l'objet KNeighborsClassifier et fournissez-lui X_scaled et y.
Prédisez les classes pour les nouvelles instances (X_new_scaled)

_{Une fois que vous avez terminé cette tâche, cliquez sur le bouton sous le code pour vérifier votre solution.}

Solution

Passez à un bureau pour une pratique réelleContinuez d'où vous êtes en utilisant l'une des options ci-dessous

Tout était clair ?

Merci pour vos commentaires !

Section 1. Chapitre 5

single

Classification Multi-Classes

Solution

Awesome!

Classification Multi-Classes

Solution

Awesome!