Data Science - MODULE 3 CODE

Question 1

As jy train_test_split gebruik, wat is die default split

Answer 1

Kwart van jou data word dan test data, driekwart om mee te train

Question 2

Drie imports vanaf sckikit learn wanneer jy n tree based classifier wil doen, met pruning

Answer 2

From sklearn.tree import DecisionTreeClassifier, plot_tree
From sklearn.model_selection import train_test_split, cross_val_score
From sklearn.metrics import accuracy_score

Question 3

To read a csv

Answer 3

Import pandas as pd

Df = pd.read_csv(‘naam.csv’, delimiter = “,”)

Question 4

Metode om n seker hoeveelheid rekords te sample?

Answer 4

Df.sample(10,random_state =0)

Question 5

Df.count()

Answer 5

Generate a text table met die colum headings en die hoeveelheid entries in elke kolom

Question 6

As j in een veranderlike die aantal rye soek

Answer 6

=len(df[:])

Question 7

Se maar jy wil net die rye tel, waar n seker kolomwaarde geld

Answer 7

Len(df[df.columnName==”yes”])

Question 8

Wanneer jy features en responses split hardloop altyd daarna die head() funksie

Answer 8

Jup, om seker te maak jynhet die regte data. Moet column headings bold

Question 9

As jy nou features matriks het, sowel as die responses. Hoe split jy nou die data in train en test data?

Answer 9

Deur gebruik te maak van die scikit livrary wat geimport was
From sklearn.model_selection import train_test_split

X_train, X_test, y_train, y_test = train_test_split(X,y,random_state=0)

Question 10

Hoe selekteer train_test_split die data

Answer 10

Randomly, dit is nie net n cut nie. As jy bv head hardloop op altwee nuwe matrikse, sal jy sien dieselfde rye word gereference

Question 11

Om n instance te skep van die DecisionTreeClassifier en die fit te doen?

Answer 11

Classifier = DecisionTreeClassifier(random_state = 0)
Classifier.fit(X_train,y_train)

Question 12

Hoe format ek n float om 2 desimale te wys?

Answer 12

{:2.2%}.format(variable)

Question 13

Hoe lry ek die diepte en die aantal leaves van n decision tree?

Answer 13

Classifier.get_depth()
Classifier.get_n_leaves()

Question 14

Refresher, hoe generate ek die matriks van die samples wat ek wil toets met die cross validation

Answer 14

Samples = [sample for sample in range(0,50)]

Question 15

Hoe lyk die for dan?

Answer 15

For sample in samples:
(Indent)

Question 16

Hoe skep hy aanvanklik die plekhouer vir die classifiers, en hoe sit jy die nuwe in?

Answer 16

Classifiers = []
Classifiers.append(temp_classifier)
Hy fit dit ook voor hy dit insit

Question 17

So daar is n makliker manier ook om die akkuraatheid te kry?

Answer 17

Jip, die classifier het ook n score method, so dit is
Classifier.score(X_test, y_test)

Question 18

So na ons nou al die classifiers generate het, en die modelle opgestel jet met fit, hoe kan jy al die accuracies kry?

Answer 18

Bv. Train_scores = [clf.score(X_train,y_train) for clf in classifiers]

Question 19

Hoe het hy aanvanklik die figure verklaar nou met die twee accuracy lyne?

Answer 19

Fig, ax = plt.subplots()

Question 20

Hoe set jy die labels vir die figuur met die asse?

Answer 20

ax.set_xlabel(“x as naam”)
Selfde vir y label

Question 21

Hoe doen mens die titel van die figuur?

Answer 21

ax.set_title(“titel”)

Question 22

Hoe populate jy dan plot met een van die datastelle?

Answer 22

Ax.plot(samples, train_scores, marker=’o’, label=”train”, drawstyle=”steps-post”)

Question 23

As jybdie legen op n figuur wil sit?

Answer 23

ax.legend()

Question 24

Hoe generate ek n array van al dir leaves per classifier?

Answer 24

Nr_leaves = [clf.get_n_leaves() for clf in classifiers]

Question 25

Hoe generate jy die scores vir die cross validation

Answer 25

Classifier_temp_cross_val = DecisionTreeClassifier (random_state=1, min_samples_leaf=sample)
Score = cross_val_score(estimator=classifier declared, X=X_train, y=y_train, cv=5)
Validation_scores.append(score.mean())

Question 26

Twee arrays, joe extract ek dan bv die hoeveelheid damples wat gepaardgaan met die maksimum score?

Answer 26

Samples[validation_scores.index(max(validation_scores))]

Question 27

Watter ander metodes is daar om te prune?

Answer 27

Max_depth
Max_leaf_nodes
Min_impurity_decrease
Min_samples_split

Question 28

Waarvoor moet j versigtig wees as jy met kategoriee bv werk as input met n decision tree?

Answer 28

Dat daar nie onnodige waarde toegeskry word daaraan nie. Dit is net n nommer, en het nie verdere betekenis, normaal geassosieer met n nommer nie. Ons moet one hot encoding doen

Question 29

You can explor the unique values within a column?

Answer 29

Df[‘kolomNaam’].unique()

Question 30

Hierdie is n moeilike een, hoe skep mens die one hot encoder?

Answer 30

Encoder = OneHotEncoder(categories=’auto’)
Xd = Encoder.fit_transform(df.KolomNaam.values.reshape(-1,1)).toArray()
Df_ohe = pd.DataFrame(Xd, columns=[“KolomNaam”+str(int(i)) for i in range (Xd.shape[1])])

Question 31

Importing the one hot encoder

Answer 31

From sklearn.preprocessing import OneHotEncoder

Question 32

Hoe convert jy n pandas index na n list to?

Answer 32

Df.index.tolist()

Question 33

Hoe save ek n figuur?

Answer 33

Plt.savefig(‘naam.png’)