{ "cells": [ { "cell_type": "markdown", "metadata": { "slideshow": { "slide_type": "-" } }, "source": [ "### Uczenie maszynowe — laboratoria\n", "# 5. Ewaluacja" ] }, { "cell_type": "markdown", "metadata": {}, "source": [ "Do wykonania zadań wykorzystaj wiedzę z wykładów." ] }, { "cell_type": "markdown", "metadata": {}, "source": [ "## 5.1. 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": 2, "metadata": {}, "outputs": [ { "name": "stdout", "output_type": "stream", "text": [ "[[332187.32537534]\n", " [369587.77676738]\n", " [488428.70420785]\n", " [300013.00301966]\n", " [412118.79730411]\n", " [283333.7605634 ]\n", " [275209.84706017]\n", " [361970.50784352]\n", " [272402.36116539]\n", " [328635.55642844]]\n" ] } ], "source": [ "import numpy as np\n", "import pandas as pd\n", "\n", "from sklearn.linear_model import LinearRegression\n", "from sklearn.model_selection import train_test_split\n", "\n", "\n", "FEATURES = [\n", " \"Powierzchnia w m2\",\n", " \"Liczba pokoi\",\n", " \"Liczba pięter w budynku\",\n", " \"Piętro\",\n", " \"Rok budowy\",\n", "]\n", "\n", "\n", "def preprocess(data):\n", " \"\"\"Wstępne przetworzenie danych\"\"\"\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", "\n", "# Nazwy plików\n", "dataset_filename = \"flats.tsv\"\n", "\n", "# Wczytanie danych\n", "data = pd.read_csv(dataset_filename, header=0, sep=\"\\t\")\n", "columns = data.columns[1:] # wszystkie kolumny oprócz pierwszej (\"cena\")\n", "data = data[FEATURES + [\"cena\"]] # wybór cech\n", "data = preprocess(data) # wstępne przetworzenie danych\n", "\n", "# Podział danych na zbiory uczący i testowy\n", "data_train, data_test = train_test_split(data, test_size=0.2)\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" ] }, { "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" ] }, { "cell_type": "markdown", "metadata": {}, "source": [ "## 5.2. Metody ewaluacji" ] }, { "cell_type": "markdown", "metadata": {}, "source": [ "Bilioteka *scikit-learn* dostarcza również narzędzi do ewaluacji algorytmów zaimplementowanych z wykorzystaniem jej metod.\n", "\n", "Te narzędzia znajdują się w module [`sklearn.metrics`](https://scikit-learn.org/stable/modules/classes.html#module-sklearn.metrics)." ] }, { "cell_type": "markdown", "metadata": {}, "source": [ "### Ewaluacja regresji " ] }, { "cell_type": "markdown", "metadata": {}, "source": [ "\n", "Do ewaluacji regresji z powyższego przykładu możemy np. użyć metryki [`mean_squared_error`](https://scikit-learn.org/stable/modules/generated/sklearn.metrics.mean_squared_error.html#sklearn.metrics.mean_squared_error):" ] }, { "cell_type": "code", "execution_count": 3, "metadata": {}, "outputs": [ { "name": "stdout", "output_type": "stream", "text": [ "Błąd średniokwadratowy wynosi 1179760250402.185\n" ] } ], "source": [ "from sklearn.metrics import mean_squared_error\n", "\n", "error = mean_squared_error(y_expected, y_predicted)\n", "\n", "print(f\"Błąd średniokwadratowy wynosi {error}\")\n" ] }, { "cell_type": "markdown", "metadata": {}, "source": [ "Większość modeli posiada też metodę `score`, która zwraca wartość metryki tak skonstruowanej, żeby jej wartość wynosiła `1.0`, jeżeli `y_predicted` jest równe `y_expected`. Im mniejsza wartość `score`, tym gorszy wynik." ] }, { "cell_type": "code", "execution_count": 4, "metadata": {}, "outputs": [ { "name": "stdout", "output_type": "stream", "text": [ "-10.712011261173265\n" ] } ], "source": [ "print(model.score(x_test, y_expected))\n" ] }, { "cell_type": "markdown", "metadata": {}, "source": [ "### Ewaluacja klasyfikacji" ] }, { "cell_type": "markdown", "metadata": {}, "source": [ "Dla ewaluacji algorytmów klasyfikacji możemy użyć metody [`precision_recall_fscore_support`](https://scikit-learn.org/stable/modules/generated/sklearn.metrics.precision_recall_fscore_support.html), która oblicza wartości metryk precyzji, pokrycia i F-score. Przydatna może być też metoda [`classification_report`](https://scikit-learn.org/stable/modules/generated/sklearn.metrics.classification_report.html)." ] }, { "cell_type": "code", "execution_count": 5, "metadata": {}, "outputs": [ { "name": "stdout", "output_type": "stream", "text": [ "Precision: 1.0\n", "Recall: 1.0\n", "F-score: 1.0\n", "Model score: 1.0\n" ] }, { "name": "stderr", "output_type": "stream", "text": [ "/home/pawel/.local/lib/python3.10/site-packages/sklearn/utils/validation.py:1111: DataConversionWarning: A column-vector y was passed when a 1d array was expected. Please change the shape of y to (n_samples, ), for example using ravel().\n", " y = column_or_1d(y, warn=True)\n" ] } ], "source": [ "import pandas as pd\n", "\n", "from sklearn.linear_model import LogisticRegression\n", "from sklearn.metrics import precision_recall_fscore_support\n", "from sklearn.model_selection import train_test_split\n", "\n", "FEATURES = [\"pl\", \"pw\", \"sl\", \"sw\"]\n", "\n", "# Wczytanie danych\n", "data_iris = pd.read_csv(\"../wyk/iris.csv\")\n", "data_iris[\"Iris setosa?\"] = data_iris[\"Gatunek\"].apply(\n", " lambda x: 1 if x == \"Iris-setosa\" else 0\n", ")\n", "\n", "# Podział danych na zbiór uczący i zbiór testowy\n", "data_train, data_test = train_test_split(data_iris, test_size=0.2)\n", "\n", "# Uczenie modelu\n", "y_train = pd.DataFrame(data_train[\"Iris setosa?\"])\n", "x_train = pd.DataFrame(data_train[FEATURES])\n", "model = LogisticRegression() # definicja modelu\n", "model.fit(x_train, y_train) # dopasowanie modelu\n", "\n", "# Predykcja wyników\n", "y_expected = pd.DataFrame(data_test[\"Iris setosa?\"])\n", "x_test = pd.DataFrame(data_test[FEATURES])\n", "y_predicted = model.predict(x_test) # predykcja wyników na podstawie modelu\n", "\n", "precision, recall, fscore, support = precision_recall_fscore_support(\n", " y_expected, y_predicted, average=\"micro\"\n", ")\n", "\n", "print(f\"Precision: {precision}\")\n", "print(f\"Recall: {recall}\")\n", "print(f\"F-score: {fscore}\")\n", "\n", "score = model.score(x_test, y_expected)\n", "\n", "print(f\"Model score: {score}\")\n" ] } ], "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": "3.10.12" }, "livereveal": { "start_slideshow_at": "selected", "theme": "amu" }, "vscode": { "interpreter": { "hash": "916dbcbb3f70747c44a77c7bcd40155683ae19c65e1c03b4aa3499c5328201f1" } } }, "nbformat": 4, "nbformat_minor": 4 }