Как интерпретировать результат обучения ML

Question

Я новичок в машинном обучении и учусь на соревнованиях Kaggle.Я начал с известной проблемы выживания Титаника и с помощью пробной ошибки / получения помощи от других, я могу тренировать свои данные, но мой вопрос: как я могу понять результаты и перейти к следующему этапу?

Итак, это мой код:

import pandas as pd
from sklearn.tree import DecisionTreeRegressor
from sklearn.model_selection import train_test_split

train_path = "C:\\Users\\Omar\\Downloads\\Titanic Data\\train.csv"
train_data = pd.read_csv(train_path)

train_data['Sex'] = pd.factorize(train_data.Sex)[0]

columns_of_interest = ['Survived','Pclass', 'Sex', 'Age']
filtered_titanic_data = train_data.dropna(axis=0)

x = filtered_titanic_data[columns_of_interest]
y = filtered_titanic_data.Survived

train_x, val_x, train_y, val_y = train_test_split(x, y, random_state=0)

titanic_model = DecisionTreeRegressor()
titanic_model.fit(train_x, train_y)

val_predictions = titanic_model.predict(val_x)
print(val_predictions)

И это вывод, который я получаю (1 выжил - 0 умер):

1. 0. 1. 0. 1. 0. 0. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1.
 1. 0. 1. 1. 0. 0. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 0. 1. 0. 1.

Но я надеваюне знаю, как использовать этот вывод для перехода к следующему этапу.

Answer 1

Теперь вы сравните свой val_predictions с val_y и посмотрите, сколько вы получили правильно!

Вы использовали train_x, train_y, чтобы найти шаблон, вы установили его на val_x, и теперь вы хотите увидеть, насколько хороша ваша модель!

Есть несколько способов сделать это!Вы можете выбрать свой показатель оценки!

from sklearn.metrics import accuracy_score

accuracy_score(val_predictions, val_y)

Вот ссылка на то, что представляет accuracy_score!http://scikit -learn.org / stable / modules / model_evaluation.html # точность-оценка

Оценка точности является метрикой оценки!В дальнейшем вы также можете GridSearchCV автоматически искать оптимальные параметры для максимизации или минимизации показателя оценки.

Об этом вы можете прочитать здесь:

1. http://scikit -learn.org / stable / modules / Генерируемый / sklearn.model_selection.GridSearchCV.html
2. https://stats.stackexchange.com/questions/269300/why-does-sklearn-grid-search-gridsearchcv-return-random-results-on-every-executi