7b1f89fb4c
Улучшены параметры синтетических датасетов Метрики разнесены по трем классам PlotML - сделан Surface и улучшены палитры
74 lines
2.7 KiB
ObjectPascal
74 lines
2.7 KiB
ObjectPascal
// В датасете MakeMoons классы разделяются нелинейной границей.
|
||
// Поэтому LogisticRegression, строящая линейную разделяющую поверхность,
|
||
// показывает худший результат.
|
||
|
||
// DecisionTreeClassifier идеально подгоняет обучающую выборку,
|
||
// но на тесте заметно уступает, что указывает на переобучение.
|
||
|
||
// RandomForest и GradientBoosting значительно лучше работают
|
||
// с нелинейной структурой данных за счёт ансамблей деревьев.
|
||
|
||
// KNNClassifier показывает лучший результат на тесте,
|
||
// потому что это локальная модель, хорошо улавливающая
|
||
// сложную геометрию классов.
|
||
uses MLABC;
|
||
|
||
begin
|
||
var (X, y) := Datasets.MakeMoons(
|
||
n := 300,
|
||
noise := 0.2,
|
||
shuffle := True,
|
||
seed := 42
|
||
);
|
||
|
||
var (XTrain, XTest, yTrain, yTest) := Validation.TrainTestSplit(
|
||
X, y, testRatio := 0.3, seed := 42
|
||
);
|
||
|
||
var logreg := new LogisticRegression;
|
||
logreg.Fit(XTrain, yTrain);
|
||
|
||
var tree := new DecisionTreeClassifier;
|
||
tree.Fit(XTrain, yTrain);
|
||
|
||
var rf := new RandomForestClassifier(100);
|
||
rf.Fit(XTrain, yTrain);
|
||
|
||
var gb := new GradientBoostingClassifier(100);
|
||
gb.Fit(XTrain, yTrain);
|
||
|
||
var knn := new KNNClassifier(5);
|
||
knn.Fit(XTrain, yTrain);
|
||
|
||
// --- предсказания
|
||
var yTrainLR := logreg.Predict(XTrain);
|
||
var yTestLR := logreg.Predict(XTest);
|
||
|
||
var yTrainTree := tree.Predict(XTrain);
|
||
var yTestTree := tree.Predict(XTest);
|
||
|
||
var yTrainRF := rf.Predict(XTrain);
|
||
var yTestRF := rf.Predict(XTest);
|
||
|
||
var yTrainGB := gb.Predict(XTrain);
|
||
var yTestGB := gb.Predict(XTest);
|
||
|
||
var yTrainKNN := knn.Predict(XTrain);
|
||
var yTestKNN := knn.Predict(XTest);
|
||
|
||
// --- вывод accuracy
|
||
Println('--- Train ---');
|
||
Println($'Logistic Acc: {Metrics.Accuracy(yTrain, yTrainLR),0:F4}');
|
||
Println($'Tree Acc: {Metrics.Accuracy(yTrain, yTrainTree),0:F4}');
|
||
Println($'Forest Acc: {Metrics.Accuracy(yTrain, yTrainRF),0:F4}');
|
||
Println($'Boost Acc: {Metrics.Accuracy(yTrain, yTrainGB),0:F4}');
|
||
Println($'KNN Acc: {Metrics.Accuracy(yTrain, yTrainKNN),0:F4}');
|
||
|
||
Println;
|
||
Println('--- Test ---');
|
||
Println($'Logistic Acc: {Metrics.Accuracy(yTest, yTestLR),0:F4}');
|
||
Println($'Tree Acc: {Metrics.Accuracy(yTest, yTestTree),0:F4}');
|
||
Println($'Forest Acc: {Metrics.Accuracy(yTest, yTestRF),0:F4}');
|
||
Println($'Boost Acc: {Metrics.Accuracy(yTest, yTestGB),0:F4}');
|
||
Println($'KNN Acc: {Metrics.Accuracy(yTest, yTestKNN),0:F4}');
|
||
end. |