50 lines
1.4 KiB
ObjectPascal
50 lines
1.4 KiB
ObjectPascal
|
uses MLABC,PlotML;
|
|||
|
|
|
|||
|
|
begin
|
|||
|
|
var df := DataFrame.FromCsvText('''
|
|||
|
|
Вес,ВысотаВХолке,Порода
|
|||
|
|
20,33,бульдог
|
|||
|
|
22,34,бульдог
|
|||
|
|
24,35,бульдог
|
|||
|
|
25,36,бульдог
|
|||
|
|
19,35,бульдог
|
|||
|
|
21,35,бульдог
|
|||
|
|
26,34,бульдог
|
|||
|
|
20,36,бульдог
|
|||
|
|
14,39,спаниель
|
|||
|
|
15,40,спаниель
|
|||
|
|
16,41,спаниель
|
|||
|
|
18,42,спаниель
|
|||
|
|
17,43,спаниель
|
|||
|
|
15,38,спаниель
|
|||
|
|
19,40,спаниель
|
|||
|
|
16,40,спаниель
|
|||
|
|
''');
|
|||
|
|
|
|||
|
|
var X := df.ToMatrix(['Вес', 'ВысотаВХолке']);
|
|||
|
|
var target := df.EncodeTarget('Порода');
|
|||
|
|
var y := target.Labels;
|
|||
|
|
var classNames := target.ClassNames;
|
|||
|
|
|
|||
|
|
var model := new LogisticRegression;
|
|||
|
|
model.Fit(X, y);
|
|||
|
|
|
|||
|
|
var example := [20.0, 38.0];
|
|||
|
|
var pred := model.PredictOne(example);
|
|||
|
|
var prob := model.PredictProbaOne(example);
|
|||
|
|
|
|||
|
|
Println('Предсказанная порода:', classNames[pred]);
|
|||
|
|
Println('Предсказанные вероятности:');
|
|||
|
|
Println(classnames[0]:10,'-',prob[0]:0:2);
|
|||
|
|
Println(classnames[1]:10,'-',prob[1]:0:2);
|
|||
|
|
|
|||
|
|
Plot.XLabel := df.ColumnNames[0];
|
|||
|
|
Plot.YLabel := df.ColumnNames[1];
|
|||
|
|
Plot.Title := 'Бульдоги и спаниели';
|
|||
|
|
|
|||
|
|
Plot.Points(X.Col(0),X.Col(1),y);
|
|||
|
|
Plot.Points([example[0]],[example[1]],Colors.Black,size := 8);
|
|||
|
|
|
|||
|
|
var (A,B,C) := model.DecisionBoundary.Coefficients;
|
|||
|
|
Plot.Line(A,B,C);
|
|||
|
|
end.
|