Diagnostic par apprentissage - Régression linéaire et classification KNN

Thèmes abordés

analyse de données, systèmes informatiques, ingénierie informatique, économie linéaire, diagnostic, régression linéaire, classification KNN K Nearest Neighbors

Résumé du document

Le document est un ensemble d'exercices comprenant la régression linéaire et la classification KNN (k-nearest neighbors).

Extraits

[...] S non procédez aux d verses numér sat ons. On peut cla rement vo r que la numér sat on du jeu de données a eu l eu. En effet, pour les numéros 1 et 3 qu sont des femmes nous avons b en 1 pour chacune d'elles. Le modèle de class f cat on cho s permettra de savo r s un passager du T tan c surv vra au naufrage. Le modèle do t donc être entra né. [...]

[...] Commentez le graph que. localhost:8889/notebooks/Jupyter lab/Diagnstic par apprentissage/TP2.ipynb 1/16 27/11/2022 19:12 TP2 - Jupyter Notebook Entrée plt.scatter(X,Y) plt.xlabel("x") plt.ylabel("y") plt.show() On peut vo r que les coordonnées de x et y donne une fonct on l néa re de type modèle de la régress on l néa re. comme dans notre On souha te représenter ce nuage de po nts par un modèle de régress on l néa re : Entrée model = LinearRegression() Entra nez ce modèle (model.f Entrée model.fit(X,Y) Out[6]: LinearRegression() Evaluez ce modèle (model.score(X,y)). [...]

[...] Entrée plt.plot(X,model.predict(X), plt.scatter(X,Y) plt.xlabel("x") plt.ylabel("y") plt.title("Pour un m = 100") plt.show() localhost:8889/notebooks/Jupyter lab/Diagnstic par apprentissage/TP2.ipynb 5/16 27/11/2022 19:12 TP2 - Jupyter Notebook Entrée m = 1000 X = np.linspace(0,10,m).reshape(m,1) Y = + np.random.random((m,1)) model.fit(X,Y) model.score(X,Y) plt.plot(X,model.predict(X), plt.scatter(X,Y) plt.xlabel("x") plt.ylabel("y") plt.title("Pour un m = 1000") plt.show() localhost:8889/notebooks/Jupyter lab/Diagnstic par apprentissage/TP2.ipynb 6/16 27/11/2022 19:12 TP2 - Jupyter Notebook Entrée m = 10000 X = np.linspace(0,10,m).reshape(m,1) Y = + np.random.random((m,1)) model.fit(X,Y) model.score(X,Y) plt.plot(X,model.predict(X), plt.scatter(X,Y) plt.xlabel("x") plt.ylabel("y") plt.title("Pour un m = 10000") plt.show() Nous pouvons que meme s le score du modèle semble élévé pour l'apprent ssage, le modèle ne correspond pas aux po nts de notre jeu de données. De plus, plus m est grand plus nous avons de po nts sur la courbe. Nous pouvons vo r que celle-c s'épa s t en fonct on du nombre de m. A ns , la courbe passe sur plus de po nts et, donc le score va etre légèrement plus élève s on augmente m. Pour reméd er au problème de la quest on précédente, cho s ssez un autre modèle (vo r F g. [...]

[...] localhost:8889/notebooks/Jupyter lab/Diagnstic par apprentissage/TP2.ipynb 7/16 27/11/2022 19:12 TP2 - Jupyter Notebook Entrée model.get_params() Out[19]: 100, 'cache_size': 200, 'coef0': 0.0, 'degree': 'epsilon': 0.1, 'gamma': 'scale', 'kernel': 'max_iter': 'shrinking': True, 0.001, 'verbose': False} Entra nez ce modèle (model.f Entrée m = 100 X = np.linspace(0,10,m).reshape(m,1) Y = + np.random.random((m,1)) model.fit(X,Y) site-packages\sklearn\utils\validation.py:993: DataConversionWarning: A column-vector y was passed when a 1d array was expe cted. Please change the shape of y to (n_samples, for example using ravel y = column_or_1d(y, warn=True) Out[20]: SVR(C=100) Evaluez ce modèle (model.score(X,y)). L'apprent ssage est- l réuss ? Entrée model.score(X,Y) Out[21]: 0.9998134524519893 L'évaluat on de ce modèle montre un apprent ssage presque totalement réuss . Tracez le modèle préd t (plt.plot(model.pred ct, c='r')) pour d fférentes valeurs de m ( 10000). [...]

[...] Exerc ce 2 : Class f cat on KNN Importez les l bra r es c -dessous : Entrée import pandas as pd import seaborn as sns Téléchargez le jeu de données du T tan c en ut l sant seaborn localhost:8889/notebooks/Jupyter lab/Diagnstic par apprentissage/TP2.ipynb 11/16 27/11/2022 19:12 TP2 - Jupyter Notebook Entrée Titanic = sns.load_dataset("titanic") Titanic.shape Out[2]: (891, 15) Analysez ce jeu de données en vous appuyant sur T tan c.head(). Entrée Titanic.head() Out[3]: surv ved pclass sex age s bsp parch fare embarked class who adult_male male S Th rd man True female C F rst woman False female S Th rd woman False female S F rst woman False male S Th rd man True On souha te nettoyer ce jeu de données pour suppr mer les données manquantes et récupérer un quement les données sur lesquelles nous souha tons trava ller. [...]