Projeto machine learning perceptron
O intuito desse projeto diferente dos outros é mostrar meus primeiro passos em machine learning e o que eu pude aprender.
Esse é o terceiro projeto do curso ciência de dados impressionador no qual usei o dataset iris, que é bem conhecido. Mesmo com meu conhecimento atual sabendo que o perceptron pode não ser o melhor modelo de classificação acabamos usando ele para iniciar os estudos na área de aprendizado de máquina.
Um pouco sobre o perceptron: ele é um modelo de classificação sendo um modelo linear, o que significa que ele é bom quando os dados são lineramente separaveis, alem de ser de facil visualização pois se tivermos em apenas 2 dimensões o que significa 2 variaveis, podemos escrever ele com uma equação de reta y = ax+ b.
Nesse caso tambem diminui o target para facilitar ainda mais a visualização
Onde o wn é adquirido pela função coef e o w0 pela função intercept:aqui o coef é 1.5 e 2.2
e o intercepet é -5
usando o random state 42
x_perc = np.arange(1, 6)
y_perc = (-clf.intercept_ - clf.coef_[0][0]*x_perc)/clf.coef_[0][1]
Nesse caso poderiamos descobrir a equação da reta
1,59 = a*1 + b
0,9 = a*2 +b
---------------------
-0,69 = a
---------------------
1,59 + 0,69 = b
b = 2,28
y = -0,69x + 2,28
Assim tornando mais fácil o entendimento para quem está entrando na área, pois é algo mais visual e não tão abstrato quanto outros modelos.
Comentários
Postar um comentário