Vežba 9: Validacija

Evo jednostavne vežbe Jupiter Notebook za studente da nauče o validaciji modela. Ova vežba će ih voditi kroz učitavanje skupa podataka, obuku modela i korišćenje unakrsne validacije za procenu njegovog učinka.

Vežba: Validacija modela pomoću unakrsne validacije

Cilj: Učitajte skup podataka. Obučite model. Koristite unakrsnu validaciju da biste procenili performanse modela.

Preduslovi:Instalirajte biblioteku scikit-learn. Koristite jednostavan skup podataka kao što je Iris skup podataka.

Korak 1: Instalirajte potrebne biblioteke:

%pip install scikit-learn

Korak 2: Uvoz biblioteka:

import numpy as np
import matplotlib.pyplot as plt
from sklearn import datasets
from sklearn.model_selection import train_test_split, cross_val_score
from sklearn.linear_model import LogisticRegression

Korak 3: Učitajte skup podataka:

# Load the Iris dataset
iris = datasets.load_iris()
X = iris.data
y = iris.target

Korak 4: Podijelite skup podataka:

# Split the dataset into training and testing sets
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.3, random_state=42)

Korak 5: Obučite model:

# Initialize and train the logistic regression model
model = LogisticRegression(max_iter=200)
model.fit(X_train, y_train)

Korak 6: Napravite predviđanja:

# Perform cross-validation
scores = cross_val_score(model, X, y, cv=5)

print(f'Cross-Validation Scores: {scores}')
print(f'Mean Cross-Validation Score: {scores.mean()}')

Korak 7: Vizuelizujte rezultate unakrsne validacije:

# Visualize the cross-validation scores
plt.figure(figsize=(10, 6))
plt.plot(range(1, len(scores) + 1), scores, marker='o', linestyle='--')
plt.title('Cross-Validation Scores')
plt.xlabel('Fold')
plt.ylabel('Accuracy')
plt.ylim(0, 1)
plt.grid(True)
plt.show()

Uputstvo za studente:

1. Pratite korake da biste instalirali potrebne biblioteke i učitali skup podataka.

2. Obučite model logističke regresije i procenite njegove performanse koristeći unakrsnu validaciju.

3. Izmenite kod da biste koristili različite modele ili skupove podataka.

4. Istražite uticaj različitih strategija unakrsne validacije (npr. Različit broj nabora).