7eaddd9a54
ML - устранение неточностей и багов ML - оптимизация производительности DecisionTreeRegressor.Fit, RandomForestRegressor.Fit ML - тесты
40 lines
1.3 KiB
ObjectPascal
40 lines
1.3 KiB
ObjectPascal
uses MLABC;
|
|
|
|
begin
|
|
var ds := Datasets.TitanicRu;
|
|
var features := ['Класс', 'Пол', 'Возраст', 'БратьяИСупруги', 'РодителиИДети', 'ЦенаБилета', 'ПортПосадки'];
|
|
|
|
var df := ds.Data.Drop(['Id', 'Имя']);
|
|
|
|
var (trainDf, testDf) :=
|
|
df.StratifiedTrainTestSplit(ds.Target, testRatio := 0.2, seed := 42);
|
|
|
|
var pipe :=
|
|
DataPipeline.Build(
|
|
TaskKind.tkClassification,
|
|
'Выжил',
|
|
features,
|
|
new Imputer(['Возраст']),
|
|
new Imputer('Саутгемптон', ['ПортПосадки']),
|
|
new OneHotEncoder('Пол'),
|
|
new OneHotEncoder('ПортПосадки'),
|
|
new StandardScaler,
|
|
new LogisticRegression(learningRate := 0.01, epochs := 2000)
|
|
);
|
|
|
|
pipe.Fit(trainDf);
|
|
|
|
var pred := pipe.Predict(testDf);
|
|
var y := pipe.GetEncodedLabels(testDf);
|
|
var proba := pipe.PredictProba(testDf);
|
|
var classes := pipe.GetClassLabels;
|
|
|
|
Println('TitanicRu: вероятности классов');
|
|
Println($'Accuracy = {Metrics.Accuracy(y, pred):F3}');
|
|
Println;
|
|
Println('Вероятности для первого пассажира тестовой выборки:');
|
|
|
|
for var j := 0 to classes.Length - 1 do
|
|
Println($' {classes[j]}: {proba[0, j]:F3}');
|
|
end.
|