Se você está começando a se interessar em Machine Leraning e gostaria de fazer um "Hello World", chegou ao lugar certo. Nesse post vamos utilizar a linguagem Python para criar um modelo para classificar flores usando o famoso conjunto de dados Iris.
Sem muita lenga lenga, vamos colocar a mão na massa.
Primeiro vamos importar as bibliotecas e carregar o conjunto de dados:
=============================================================
# Importando bibliotecas from sklearn.datasets
from sklearn.datasets import load_iris
from sklearn.model_selection import train_test_split
from sklearn.ensemble import RandomForestClassifier
from sklearn.metrics import accuracy_score
from sklearn.model_selection import train_test_split
from sklearn.ensemble import RandomForestClassifier
from sklearn.metrics import accuracy_score
# Carregar o conjunto de dados Iris
iris = load_iris()
X = iris.data
y = iris.target
=============================================================
Depois vamos dividir o conjunto de dados em 2 partes, uma para treinar o modelo e outra para testar o modelo:
=============================================================
# Dividindo o conjunto de dados em treino e teste
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.3, random_state=42)
=============================================================
Agora com os o conjunto de dados dividido, vamos criar um modelo de Random Forest e treinar.
=============================================================
# Criar o modelo de Random Forest
model = RandomForestClassifier(random_state=42)
# Treinar o modelo
model.fit(X_train, y_train)
=============================================================
Com isso nosso modelo já está apto para fazer previsões:
=============================================================
# Fazer previsões
y_pred = model.predict(X_test)
# Avaliar a precisão do modelo
accuracy = accuracy_score(y_test, y_pred)
# Mostrar resultados
print(f"Precisão do modelo: {accuracy:.2f}")
print("Classes previstas para o conjunto de teste:", y_pred)
print("Classes reais do conjunto de teste:", y_test)
=============================================================
Como rodar este código:
- Certifique-se de ter Python instalado.
- Instale o
scikit-learn
compip install scikit-learn
. - Cole o código em um arquivo
.py
ou use um ambiente como Jupyter Notebook. - Execute o arquivo.
Conclusão
Com poucas linhas de código é possível começar a brincadeira com Machine Learning, esse é só o ponto de partida, hoje em dia tem muito conteúdo disponível na internet para aprender mais sobre o assunto e quem sabe seguir essa carreira tão legal e promissora.
Espero ter ajudado alguém, e até mais...
Nenhum comentário:
Postar um comentário