Бібліотека TPOT
Один із прикладів використання
Один із прикладів використання
TPOT — це автоматичне створення та оптимізація конвеєра машинного навчання. Наведений нижче приклад коду демонструє, як використовувати TPOT для цієї мети:
from tpot import TPOTClassifier
from sklearn.datasets import load_ iris
from sklearn.model_selection import train_test_split
# Завантажуємо набір даних iris
iris = load_iris()
# Розділяємо набір даних на набори для навчання і тестування
X_train, X_test, y_train, _test = train_test_split(iris.data, iris.target, train_size=0.75, test_size=0.25)
# Створюємо класифікатор TPOT
tpot = TPOTClassifier(generations=5, population_size=50, verbosity=2)
# Пристосовуємо класифікатор до навчальних даних
tpot.fit(X_train, y_train)
# Оцінюємо класифікатор за даними тестування
print(tpot.score(X_test, y_test))
# Експортуємо оптимізований конвеєр як сценарій Python
tpot.export('tpot_iris_pipeline.py')
У цьому прикладі ми імпортуємо клас TPOTClassifier та завантажуємо набір даних iris із бібліотеки Scikit-Learn. За допомогою функції train_test_split ми поділяємо набір даних на навчальний та тестовий.
Далі створюється екземпляр класифікатора TPOT із заданими параметрами generations, population_size та verbosity. Класифікатор навчається за допомогою методу fit та оцінюється за допомогою методу score.export.
#TPOT // #theory // Python
