Podsumowanie

Ukończone

W tym module przedstawiono informacje na temat wykonywania następujących czynności:

• Tworzenie notesu w usłudze Azure Notebooks
• Importowanie danych do notesu przy użyciu metody curl
• Oczyszczanie i przygotowywanie danych przy użyciu biblioteki Pandas
• Tworzenie modelu uczenia maszynowego przy użyciu biblioteki scikit-learn
• Wizualizowanie wyników za pomocą biblioteki Matplotlib

Pandas, scikit-learn i Matplotlib to jedne z najpopularniejszych na świecie bibliotek języka Python. Za ich pomocą można przygotować dane do użycia w procesie uczenia maszynowego, tworzyć wyrafinowane modele uczenia maszynowego na podstawie danych i kreślić wykresy przedstawiające dane wyjściowe. Notesy Jupyter zapewniają gotowe środowisko do korzystania z tych bibliotek, a usługa Azure Notebooks oferuje łatwy dostęp do notesów programu Jupyter bez konieczności instalowania żadnego oprogramowania ani konfigurowania środowiska programu Jupyter na serwerze.

Sprawdź swoją wiedzę

1.

Jaka metoda jest używana w bibliotece Pandas w celu zaimportowania pliku CSV? Przyjęto założenie, że biblioteka Pandas została załadowana jako import pandas as pd.

pd.load_file(„file.csv”)

pd.read_file(„file.csv”)

pd.read_csv(„file.csv”)

2.

Jaki jest cel dzielenia danych przed rozpoczęciem trenowania modelu uczenia maszynowego?

Aby nie dawać modelowi zbyt dużej ilości danych.

Jedna część może służyć do trenowania, a druga do oceny wydajności modelu.

Model nie wymaga dużej ilości danych.

3.

Zakładając, że biblioteka Matplotlib została zaimportowana jako „plt”, jakiej metody należy użyć dla biblioteki Matplotlib, aby wykreślić wykres słupkowy?

plt.bar(etykiety, wartości)

plt.chart(etykiety, wartości)

plt.barchart(etykiety, wartości)

Przed sprawdzeniem pracy musisz odpowiedzieć na wszystkie pytania.