60 lines
2.3 KiB
ObjectPascal
60 lines
2.3 KiB
ObjectPascal
|
// Первый пример работы с pipeline.
|
|||
|
|
//
|
|||
|
|
// В этом примере:
|
|||
|
|
// 1) загружаем готовый датасет Iris;
|
|||
|
|
// 2) делим данные на обучающую и тестовую выборки;
|
|||
|
|
// 3) собираем pipeline из масштабирования и модели;
|
|||
|
|
// 4) обучаем pipeline;
|
|||
|
|
// 5) оцениваем точность и смотрим вероятности классов.
|
|||
|
|
//
|
|||
|
|
// Pipeline удобен тем, что он сам выполняет все шаги по порядку:
|
|||
|
|
// подготовку признаков, обучение модели и предсказание.
|
|||
|
|
uses MLABC;
|
|||
|
|
|
|||
|
|
begin
|
|||
|
|
// Загружаем учебный датасет Iris
|
|||
|
|
var ds := Datasets.Iris;
|
|||
|
|
|
|||
|
|
// Берём таблицу данных из датасета
|
|||
|
|
var df := ds.Data;
|
|||
|
|
|
|||
|
|
// Делим данные на обучающую и тестовую выборки
|
|||
|
|
var (trainDf, testDf) := df.TrainTestSplit(0.2, seed := 3);
|
|||
|
|
|
|||
|
|
// Создаём pipeline:
|
|||
|
|
// сначала масштабируем признаки,
|
|||
|
|
// затем обучаем логистическую регрессию
|
|||
|
|
var pipe :=
|
|||
|
|
DataPipeline.Build(
|
|||
|
|
TaskKind.tkClassification,
|
|||
|
|
ds.Target,
|
|||
|
|
ds.Features,
|
|||
|
|
new StandardScaler,
|
|||
|
|
new LogisticRegression
|
|||
|
|
);
|
|||
|
|
|
|||
|
|
// Обучаем весь pipeline на обучающей выборке
|
|||
|
|
pipe.Fit(trainDf);
|
|||
|
|
|
|||
|
|
// Получаем предсказанные классы для тестовой выборки
|
|||
|
|
var pred := pipe.Predict(testDf);
|
|||
|
|
|
|||
|
|
// Получаем правильные метки классов в кодировке pipeline
|
|||
|
|
var y := pipe.GetEncodedLabels(testDf);
|
|||
|
|
|
|||
|
|
// Считаем долю правильных ответов
|
|||
|
|
Println($'Точность: {Metrics.Accuracy(y, pred):F3}');
|
|||
|
|
|
|||
|
|
// Получаем вероятности классов для объектов тестовой выборки
|
|||
|
|
var proba := pipe.PredictProba(testDf);
|
|||
|
|
|
|||
|
|
// Получаем названия классов в правильном порядке
|
|||
|
|
var classes := pipe.GetClassLabels;
|
|||
|
|
|
|||
|
|
Println($'Классы: {classes.JoinToString('', '')}');
|
|||
|
|
Println('Вероятности для первого объекта:');
|
|||
|
|
|
|||
|
|
for var j := 0 to classes.Length - 1 do
|
|||
|
|
Println($'{classes[j]}: {proba[0, j]:F3}');
|
|||
|
|
end.
|