这篇教程python人工智能human写得很实用，希望能帮到您。
如今，数据科学家经常给带有标签的机器学习模型数据，以便它可以找出规则。 这些规则可用于预测新数据的标签。 
这很方便，但是在此过程中可能会丢失一些信息。也很难知道引擎盖下发生了什么，以及为什么机器学习模型会产生特定的预测。 除了让机器学习模型弄清楚所有内容之外，还有没有一种方法可以利用我们的领域知识来设置数据标记的规则？ 
是的，这可以通过 human-learn 来完成。
什么是 human-learnhuman-learn 是一种工具，可让你使用交互式工程图和自定义模型来设置数据标记规则。在本文中，我们将探索如何使用 human-learn 来创建带有交互式图纸的模型。
安装 human-learn我将使用来自sklearn的Iris数据来展示human-learn的工作原理。 from sklearn.datasets import load_irisfrom sklearn.model_selection import train_test_splitimport pandas as pd # Load dataX, y = load_iris(return_X_y=True, as_frame=True)X.columns = ['sepal_length', 'sepal_width', 'petal_length', 'petal_width']# Train test splitX_train, X_test, y_train, y_test = train_test_split(X, y, random_state=1)# Concatenate features and labels of the training datatrain = pd.concat([X_train, pd.DataFrame(y_train)], axis=1)train 
互动绘图human-learn 允许你绘制数据集，然后使用工程图将其转换为模型。 为了演示这是如何有用的，想象一下如何创建数据集的散点图，如下所示： 
查看上面的图时，你会看到如何将它们分成3个不同的区域，如下所示： 
但是，可能很难将图形编写为规则并将其放入函数中，human-learn的交互式绘图将派上用场。 from hulearn.experimental.interactive import InteractiveChartscharts = InteractiveCharts(train, labels='target')charts.add_chart(x='sepal_length', y='sepal_width')
利用Python实现Picgo图床工具
Python装饰器的练习题
|
