Przykład scikit-learn

lab/scikit-learn.ipynb

@@ -0,0 +1,152 @@
+{
+ "cells": [
+  {
+   "cell_type": "markdown",
+   "metadata": {
+    "slideshow": {
+     "slide_type": "-"
+    }
+   },
+   "source": [
+    "### Uczenie maszynowe — laboratoria\n",
+    "# Korzystanie z gotowych implementacji algorytmów na przykładzie pakietu *scikit-learn*"
+   ]
+  },
+  {
+   "cell_type": "markdown",
+   "metadata": {},
+   "source": [
+    "[Scikit-learn](https://scikit-learn.org) jest otwartoźródłową biblioteką programistyczną dla języka Python wspomagającą uczenie maszynowe. Zawiera implementacje wielu algorytmów uczenia maszynowego."
+   ]
+  },
+  {
+   "cell_type": "markdown",
+   "metadata": {},
+   "source": [
+    "Poniżej przykład, jak stworzyć klasyfikator regresji liniowej wielu zmiennych z użyciem `scikit-learn`.\n",
+    "\n",
+    "Na podobnej zasadzie można korzystać z innych modeli dostępnych w bibliotece."
+   ]
+  },
+  {
+   "cell_type": "code",
+   "execution_count": 15,
+   "metadata": {},
+   "outputs": [
+    {
+     "name": "stdout",
+     "output_type": "stream",
+     "text": [
+      "[[302322.47270869]\n",
+      " [283694.74995925]\n",
+      " [276290.72977935]\n",
+      " [477362.89530745]\n",
+      " [420862.62245119]\n",
+      " [312510.3868097 ]\n",
+      " [362445.20969959]\n",
+      " [335753.83506582]\n",
+      " [759239.88142398]\n",
+      " [684376.72797254]]\n",
+      "Błąd średniokwadratowy wynosi  29811493540.217434\n"
+     ]
+    }
+   ],
+   "source": [
+    "import numpy as np\n",
+    "import pandas as pd\n",
+    "\n",
+    "from sklearn.linear_model import LinearRegression  # Model regresji liniowej z biblioteki scikit-learn\n",
+    "\n",
+    "from sklearn.metrics import mean_squared_error\n",
+    "\n",
+    "\n",
+    "FEATURES = [\n",
+    "    'Powierzchnia w m2',\n",
+    "    'Liczba pokoi',\n",
+    "    'Liczba pięter w budynku',\n",
+    "    'Piętro',\n",
+    "    'Rok budowy',\n",
+    "    'ładne w opisie'\n",
+    "]\n",
+    "\n",
+    "\n",
+    "def preprocess(data):\n",
+    "    \"\"\"Wstępne przetworzenie danych, np. zamiana wartości tekstowych na liczby\"\"\"\n",
+    "    data = data.replace({'parter': 0, 'poddasze': 0}, regex=True)\n",
+    "    data = data.applymap(np.nan_to_num)  # Zamienia \"NaN\" na liczby\n",
+    "    return data\n",
+    "\n",
+    "# Nazwy plików\n",
+    "dataset_filename = 'flats.tsv'\n",
+    "\n",
+    "# Wczytanie danych\n",
+    "data = pd.read_csv(dataset_filename, header=0, sep='\\t')\n",
+    "\n",
+    "# Jeżeli chcemy, możemy stworzyć nową cechę (kolumnę) na podstawie istniejącej\n",
+    "# Poniższa cecha mówi, czy kolumna \"opis\" zawiera słowo \"ładne\"\n",
+    "data['ładne w opisie'] = data['opis'].apply(\n",
+    "    lambda x: True if 'ładne' in str(x) else False)\n",
+    "\n",
+    "data = data[FEATURES + ['cena']]  # wybór cech\n",
+    "data = data[(data[\"Powierzchnia w m2\"] < 10000) & (data[\"cena\"] > 1000)]  # Odrzucenie obserwacji odstających\n",
+    "data = preprocess(data)  # wstępne przetworzenie danych\n",
+    "\n",
+    "# Podział danych na zbiory uczący i testowy\n",
+    "split_point = int(0.8 * len(data))\n",
+    "data_train = data[:split_point]\n",
+    "data_test = data[split_point:]\n",
+    "\n",
+    "# Uczenie modelu\n",
+    "y_train = pd.DataFrame(data_train['cena'])\n",
+    "x_train = pd.DataFrame(data_train[FEATURES])\n",
+    "model = LinearRegression()  # definicja modelu\n",
+    "model.fit(x_train, y_train)  # dopasowanie modelu\n",
+    "\n",
+    "# Predykcja wyników dla danych testowych\n",
+    "y_expected = pd.DataFrame(data_test['cena'])\n",
+    "x_test = pd.DataFrame(data_test[FEATURES])\n",
+    "y_predicted = model.predict(x_test)  # predykcja wyników na podstawie modelu\n",
+    "\n",
+    "print(y_predicted[:10])  # Pierwsze 10 wyników\n",
+    "\n",
+    "# Ewaluacja\n",
+    "mse = mean_squared_error(y_predicted, y_expected)  # Błąd średniokwadratowy na zbiorze testowym\n",
+    "\n",
+    "print(\"Błąd średniokwadratowy wynosi \", mse)"
+   ]
+  },
+  {
+   "cell_type": "markdown",
+   "metadata": {},
+   "source": [
+    "Biblioteka *scikit-learn* dostarcza również narzędzi do wstępnego przetwarzania danych, np. skalowania i normalizacji: https://scikit-learn.org/stable/modules/preprocessing.html"
+   ]
+  }
+ ],
+ "metadata": {
+  "celltoolbar": "Slideshow",
+  "kernelspec": {
+   "display_name": "Python 3 (ipykernel)",
+   "language": "python",
+   "name": "python3"
+  },
+  "language_info": {
+   "codemirror_mode": {
+    "name": "ipython",
+    "version": 3
+   },
+   "file_extension": ".py",
+   "mimetype": "text/x-python",
+   "name": "python",
+   "nbconvert_exporter": "python",
+   "pygments_lexer": "ipython3",
+   "version": "3.10.6"
+  },
+  "livereveal": {
+   "start_slideshow_at": "selected",
+   "theme": "amu"
+  }
+ },
+ "nbformat": 4,
+ "nbformat_minor": 4
+}