Тема 5: Проектирование мультимедиа проектов и модели их разработки

Quyida biz random forest ning regressiyasini ko'rsatamiz. Biz odatda regressiya sayohatimizni kerakli paketlar, sinflar va funksiyalarni import qilish orqali boshlaymiz:

• >>> import numpy as np >>> from sklearn.datasets import load_boston >>> from sklearn.ensemble import RandomForestRegressor >>> from sklearn.model_selection import train_test_split

Keyingi qadam ma'lumotlarni ishlash uchun olish va bu ma'lumotlarni trening va test kichik to'plamlariga bo'lish bo’ladi. Biz Boston ma'lumotlar to'plamidan foydalanamiz:

• >>> x, y = load_boston(return_X_y=True) >>> x_train, x_test, y_train, y_test =\ ... train_test_split(x, y, test_size=0.33, random_state=0)

Endi biz regressorimizni yaratishimizni va uni o'qitish uchun tanlangan ma'lumotlar to'plami bilan o'rgatishimiz kerak:

• >>> regressor = RandomForestRegressor(n_estimators=10, random_state=0) >>> regressor.fit(x_train, y_train) RandomForestRegressor(bootstrap=True, criterion='mse', max_depth=None, max_features='auto', max_leaf_nodes=None, min_impurity_decrease=0.0, min_impurity_split=None, min_samples_leaf=1, min_samples_split=2, min_weight_fraction_leaf=0.0, n_estimators=10, n_jobs=None, oob_score=False, random_state=0, verbose=0, warm_start=False)

Modelni o'rgatgandan so'ng, biz ma'lumotlarning o'rgatish to'plamida va eng muhimi, modellarni o'rgatishda foydalanilmagan ma'lumotlarning test to'plamida aniqlash koeffitsientini sinab ko'ramiz.

• >>> regressor.score(x_train, y_train) 0.9680930547240916 >>> regressor.score(x_test, y_test) 0.8219576562705848

Klasterlash - bu scikit-learn-da keng qo'llab-quvvatlanadigan nazoratsiz ta'lim sohasi. K-o'rtachalar usuliga qo'shimcha ravishda yaqinlik tarqalishi usuli, spektral klasterlash, aglomerativ klasterlash va boshqalarni qo'llash mumkin.

• Klasterlash - bu scikit-learn-da keng qo'llab-quvvatlanadigan nazoratsiz ta'lim sohasi. K-o'rtachalar usuliga qo'shimcha ravishda yaqinlik tarqalishi usuli, spektral klasterlash, aglomerativ klasterlash va boshqalarni qo'llash mumkin.
• Ushbu misolda biz k-vosita usulini ko'rsatamiz. Uni amalga oshirayotganda, ma'lumotlaringizni standartlashtirish yoki normallashtirish mantiqiymi yoki yo'qmi va ayniqsa, qaysi masofa o'lchovi mos kelishiga ehtiyot bo'ling (ko'p hollarda bu Evklid masofasi).
• Shunga qaramay, biz ma'lumotlarni import qilish va olishdan boshlaymiz1