Python4Finance

یک مثال ساده از یادگیری ماشین در پایتون

همانطور که پیش از این گفته شد، یادگیری ماشین یکی از جذاب ترین های برنامه نویسی است. یعنی کامپیوتر از فرایندهایی که رخ می دهد یاد بگیرد و بهترین تصمیم را اتخاذ نماید، یعنی چیزی شبیه مغز ما البته با سرعت بیشتر و خطای کمتر . عالیه نه؟!
مثلا فرض کنید تصویر 100 مرد را به رایانه نشان دهیم و بعد از آن رایانه هر کسی را که مشاهده کرد، اگر مردی در آن وجود داشت نشان دهد. یا مثلا بتوان با مشاهده قیمت 100 سهم طی سه ماه، روند افزایشی یا کاهشی سهم ها را پیش بینی کرد.
خب بریم سراغ یک مثال عملی. یکی از بهترین کتابخانه های یادگیری ماشین scikit-learn است. ابتدا آن را نصب می کنیم:
pip install numpy scipy scikit-learn
(اگر دستور فوق را نمی شناسید به پست های اول مراجعه نمایید.)
یک مثال معروف در این رابطه مثال تشخیص نوع گل بر اساس سایز کاسبرگ آن است.(petal_sizeاندازه گلبرگ، flower_type نوع گل)
petal_size flower_type
1 a
2 b
1 a
2 b
3 c
4 d
3 c
2 b
5 a
حالا یک گل جدید با اندازه گلبرگ 2.5 به دست ما رسیده است. می خواهیم نوع آن را تشخیص دهیم. برای این موضوع اعداد نزدیک به 2.5 یعنی 2 و 3 را در نظر می گیریم. تعداد تکرار 2 و 3 به ترتیب 3 بار و 2 بار است، بنابرین احتمال زیاد نوع این گل باید از جنس b باشد.
در مثال زیر از دیتاست نمونه iris با حدود 50 داده فرضی استفاده شده است.
from sklearn.datasets import load_iris
from sklearn.neighbors import KNeighborsClassifier
import numpy as np
from sklearn.model_selection import train_test_split

iris_dataset=load_iris()

X_train, X_test, y_train, y_test = train_test_split(iris_dataset["data"], iris_dataset["target"], random_state=0)

kn = KNeighborsClassifier(n_neighbors=1)
kn.fit(X_train, y_train)

x_new = np.array([[5, 2.9, 1, 0.2]])
prediction = kn.predict(x_new)

print("Predicted target value: {}\n".format(prediction))
print("Predicted feature name: {}\n".format
(iris_dataset["target_names"][prediction]))
print("Test score: {:.2f}".format(kn.score(X_test, y_test)))

از آنجایی که کدهای فوق گویا هستند، توضیح اضافه ای نمی دهم و با تست کردن کدهای فوق نتیجه را مشاهده نمایید.

#یادگیری_ماشین
#پایتون_مالی

پایتون برای مالی در تلگرام
https://www.tg-me.com/joinchat-AAAAAFGMkouqbsb86Vfzug

❤1

www.tg-me.com/jp/Python4Finance/com.python4finance/113

3.77K viewsedited  Oct 25, 2019 at 20:11

یک مثال ساده از یادگیری ماشین در پایتون

همانطور که پیش از این گفته شد، یادگیری ماشین یکی از جذاب ترین های برنامه نویسی است. یعنی کامپیوتر از فرایندهایی که رخ می دهد یاد بگیرد و بهترین تصمیم را اتخاذ نماید، یعنی چیزی شبیه مغز ما البته با سرعت بیشتر و خطای کمتر . عالیه نه؟!
مثلا فرض کنید تصویر 100 مرد را به رایانه نشان دهیم و بعد از آن رایانه هر کسی را که مشاهده کرد، اگر مردی در آن وجود داشت نشان دهد. یا مثلا بتوان با مشاهده قیمت 100 سهم طی سه ماه، روند افزایشی یا کاهشی سهم ها را پیش بینی کرد.
خب بریم سراغ یک مثال عملی. یکی از بهترین کتابخانه های یادگیری ماشین scikit-learn است. ابتدا آن را نصب می کنیم:
pip install numpy scipy scikit-learn
(اگر دستور فوق را نمی شناسید به پست های اول مراجعه نمایید.)
یک مثال معروف در این رابطه مثال تشخیص نوع گل بر اساس سایز کاسبرگ آن است.(petal_sizeاندازه گلبرگ، flower_type نوع گل)
petal_size flower_type
1 a
2 b
1 a
2 b
3 c
4 d
3 c
2 b
5 a
حالا یک گل جدید با اندازه گلبرگ 2.5 به دست ما رسیده است. می خواهیم نوع آن را تشخیص دهیم. برای این موضوع اعداد نزدیک به 2.5 یعنی 2 و 3 را در نظر می گیریم. تعداد تکرار 2 و 3 به ترتیب 3 بار و 2 بار است، بنابرین احتمال زیاد نوع این گل باید از جنس b باشد.
در مثال زیر از دیتاست نمونه iris با حدود 50 داده فرضی استفاده شده است.
from sklearn.datasets import load_iris
from sklearn.neighbors import KNeighborsClassifier
import numpy as np
from sklearn.model_selection import train_test_split

iris_dataset=load_iris()

X_train, X_test, y_train, y_test = train_test_split(iris_dataset["data"], iris_dataset["target"], random_state=0)

kn = KNeighborsClassifier(n_neighbors=1)
kn.fit(X_train, y_train)

x_new = np.array([[5, 2.9, 1, 0.2]])
prediction = kn.predict(x_new)

print("Predicted target value: {}\n".format(prediction))
print("Predicted feature name: {}\n".format
(iris_dataset["target_names"][prediction]))
print("Test score: {:.2f}".format(kn.score(X_test, y_test)))

از آنجایی که کدهای فوق گویا هستند، توضیح اضافه ای نمی دهم و با تست کردن کدهای فوق نتیجه را مشاهده نمایید.

#یادگیری_ماشین
#پایتون_مالی

پایتون برای مالی در تلگرام
https://www.tg-me.com/joinchat-AAAAAFGMkouqbsb86Vfzug

BY Python4Finance