Scikit-learn ile model oluşturma nasıl yapılır?

1. Gerekli kütüphanelerin kurulumu: Scikit-learn, NumPy ve pandas gibi temel kütüphanelerle birlikte kurulmalıdır 24. Bu işlem

   pip

   komutu ile gerçekleştirilebilir 14:

pip install scikit-learn numpy pandas
Kopyala

2. Veri yükleme ve hazırlama: Scikit-learn, çeşitli veri formatlarını işlemek ve verileri ön işlemek için yardımcı programlar sağlar 2. Veriler,

   pandas

   kütüphanesi ile yüklenebilir 2:

import pandas as pd
Kopyala

3. Veri seti bölme: Veri seti, eğitim ve test setlerine ayrılmalıdır 13. Bu işlem

   train_test_split

   fonksiyonu ile yapılır 23:

from sklearn.model_selection import train_test_split
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.3, random_state=42)
Kopyala

4. Model seçimi: Scikit-learn, farklı makine öğrenimi problemleri için geniş bir algoritma yelpazesi sunar 2. Başlangıç için basit bir model seçmek önerilir 3. Örneğin, lojistik regresyon modeli şu şekilde oluşturulabilir 2:

from sklearn.linear_model import LogisticRegression
model = LogisticRegression()
Kopyala

5. Model eğitimi: Seçilen model, eğitim verileri ile eğitilir 13. Bu işlem

   fit()

   metodu ile yapılır 1:

model.fit(X_train, y_train)
Kopyala

6. Model değerlendirmesi: Model, test verileri üzerinde değerlendirilir ve performansı ölçülür 13. Yaygın değerlendirme metrikleri arasında doğruluk, F1 skoru ve karışıklık matrisi bulunur 12:

from sklearn.metrics import accuracy_score, confusion_matrix, classification_report
y_pred = model.predict(X_test)
accuracy = accuracy_score(y_test, y_pred)
conf_matrix = confusion_matrix(y_test, y_pred)
class_report = classification_report(y_test, y_pred)
Kopyala