7eaddd9a54
ML - устранение неточностей и багов ML - оптимизация производительности DecisionTreeRegressor.Fit, RandomForestRegressor.Fit ML - тесты
30 lines
1.2 KiB
ObjectPascal
30 lines
1.2 KiB
ObjectPascal
uses MLABC;
|
|
|
|
begin
|
|
var ds := Datasets.MoscowHousing;
|
|
var df := ds.Data;
|
|
|
|
var features := ['rooms', 'area', 'kitchen_area', 'floor', 'floors_total', 'metro_minutes', 'renovation'];
|
|
|
|
var target := 'price';
|
|
|
|
var (trainDf, testDf) := df.TrainTestSplit(0.2, seed := 42);
|
|
|
|
var pipe :=
|
|
DataPipeline.Build( // сборка pipeline: target + features + шаги
|
|
TaskKind.tkRegression,
|
|
target, // целевая переменная
|
|
features, // список признаков
|
|
new OneHotEncoder('renovation'), // DataFrame-уровень: кодирование категории
|
|
// Внутри - преобразование .ToMatrix .ToVector
|
|
new StandardScaler, // Matrix-уровень: масштабирование признаков
|
|
new LinearRegression // модель (всегда последний шаг)
|
|
);
|
|
|
|
pipe.Fit(trainDf); // обучение: последовательно encoding → scaling → model
|
|
|
|
var pred := pipe.Predict(testDf); // предсказание: те же преобразования
|
|
var y := testDf.ToVector(target);
|
|
|
|
Println('R²:', Metrics.R2(y, pred):0:3);
|
|
end. |