7eaddd9a54
ML - устранение неточностей и багов ML - оптимизация производительности DecisionTreeRegressor.Fit, RandomForestRegressor.Fit ML - тесты
48 lines
1.5 KiB
ObjectPascal
48 lines
1.5 KiB
ObjectPascal
// В этом примере сравнивается KNNClassifier
|
||
// без масштабирования и с MatrixPipeline.
|
||
//
|
||
// Важно: в pipeline шаг StandardScaler выполняется автоматически.
|
||
// То есть MatrixPipeline здесь эквивалентен цепочке:
|
||
// StandardScaler -> KNNClassifier.
|
||
|
||
uses MLABC;
|
||
|
||
begin
|
||
var (X, y) := Datasets.MakeClassification(
|
||
n := 400,
|
||
nFeatures := 4,
|
||
nInformative := 2,
|
||
nRedundant := 0,
|
||
noise := 0.15,
|
||
classSep := 1.0,
|
||
seed := 42
|
||
);
|
||
|
||
for var i := 0 to X.RowCount - 1 do
|
||
begin
|
||
X[i, 2] := X[i, 2] * 100;
|
||
X[i, 3] := X[i, 3] * 1000;
|
||
end;
|
||
|
||
var (XTrain, XTest, yTrain, yTest) := Validation.TrainTestSplit(X, y, 0.25, seed := 42);
|
||
|
||
var knn := new KNNClassifier(5);
|
||
knn.Fit(XTrain, yTrain);
|
||
var acc1 := ClassificationMetrics.Accuracy(yTest, knn.Predict(XTest));
|
||
|
||
// Здесь масштабирование выполняется внутри pipeline автоматически.
|
||
var pipe :=
|
||
MatrixPipeline.Build(
|
||
new StandardScaler,
|
||
new KNNClassifier(5)
|
||
);
|
||
|
||
pipe.Fit(XTrain, yTrain);
|
||
var acc2 := ClassificationMetrics.Accuracy(yTest, pipe.Predict(XTest));
|
||
|
||
Println('KNNClassifier без масштабирования и с масштабированием');
|
||
Println;
|
||
Println($'Без масштабирования : Accuracy = {acc1:F3}');
|
||
Println($'С MatrixPipeline и масштабированием: Accuracy = {acc2:F3}');
|
||
end.
|