Sammanfattning

Slutförd

I den här modulen har du lärt dig att:

• Skapa en notebook-fil i Azure Notebooks
• Importera data till en notebook-fil med hjälp av curl
• Använda Pandas för att rensa och förbereda data
• Använda scikit-learn för att skapa en maskininlärningsmodell
• Använda Matplotlib för att visualisera resultatet

Pandas, scikit-learn och Matplotlib är bland de populäraste Python-biblioteken i världen. Med dem kan du förbereda data för användning inom maskininlärning, skapa sofistikerade maskininlärningsmodeller från data och plotta utdata. Jupyter-notebook-filer erbjuder en färdig miljö för användning av de här biblioteken, och med Azure Notebooks får du enkel åtkomst till Jupyter-notebook-filer utan att behöva installera programvara eller konfigurera en Jupyter-miljö på en server.

Kontrollera dina kunskaper

1.

Vilken metod används i Pandas för att importera en CSV-fil? Anta att Pandas lästes in som import pandas as pd.

pd.load_file('file.csv')

pd.read_file('file.csv')

pd.read_csv('file.csv')

2.

Vad är syftet med och dela data innan en maskininlärningsmodell tränas?

Att inte ge modellen för mycket data.

En del kan användas för träning och den andra kan användas för utvärdering av modellens prestanda.

Modellen behöver inte mycket data.

3.

Vilken metod i Matplotlib skulle du använda för att plotta ett stapeldiagram om du har importerat Matplotlib som 'plt'?

plt.bar(etiketter, värden)

plt.chart(etiketter, värden)

plt.barchart(etiketter, värden)

Du måste svara på alla frågor innan du kontrollerar ditt arbete.