Python4Finance

مروری بر یادگیری ماشین با پایتون - بخش دوم
کاربرد یادگیری ماشین در بازاریابی
در ادامه مبحث قبل، در این پست یک مثال از یادگیری ماشین بر اساس تکنیک درخت تصمیم ارائه می شود.از آنجایی که دنبال کنندگان کانال از بخش های مختلفی هستند، مثال را در حیطه بازار یابی طرح می کنیم.
فرض کنید شما عرضه کننده لپ تاپ و تبلت هستید و می خواهید علاقه مندی افراد را برای خرید نوع محصول مشخص نمایید.
انواع محصولات ما، گوشی موبایل، تبلت 7 اینج، تبلت 10 اینچ، لپ تاپ 14 اینج، لپ تاپ 15 اینچ است (5نوع محصول).
برای این منظور پرسشنامه ای میان 18 نفر از مشتریان توزیع شده است و اطلاعات مربوط به سن ، جنسیت و محصول خریداری شده را ثبت کرده ایم.
مسئله مورد نظر ما این است که با فرض داشتن سن و جنسیت بتوانیم محصول مورد درخواست فرد را پیش بینی کنیم. (اطلاعات مسئله در فایل csv ضمیمه شده قرار دارد. ستون جنسیت در فایل، برای خانم ها عدد 1 و اقایان عدد 0 صفر در نظر گرفته شده است)
1️⃣ گام اول تفکیک مقادیر ورودی (input) و خروجی (outpu). مقادیر ورودی ما جنسیت و سن هستند و مقدار خروجی ما که به دنبال پیش بینی آن هستیم محصولی است که خریداری می شود.
2️⃣ در گام دوم داده ها را به دو بخش آموزش (train) و آزمون (test) تقسیم می کنیم.
3️⃣ در گام سوم با استفاده از روش درخت تصمیم (DecisionTreeClassifier) مدل را با استفاده از داده های آموزش (train) اجرا می کنیم.

کار تمام است! به راحتی می توانیم داده های آزمون (test) را به مدل بدهیم و مدل برای ما پیش بینی را انجام می دهد.
فایل های این مثال در پست بعد ارائه می شود.
در پست های آتی مطالبی را در خصوص سنجش کیفیت و کارایی مدل تقدیم خواهد.


#یادگیری_ماشین
#پایتون_مالی
#Machine_learning
#scikit-learn

@python4finance

❤2

www.tgoop.com/python4finance/592

3.04K viewsJul 2, 2021 at 13:12

مروری بر یادگیری ماشین با پایتون - بخش دوم
کاربرد یادگیری ماشین در بازاریابی
در ادامه مبحث قبل، در این پست یک مثال از یادگیری ماشین بر اساس تکنیک درخت تصمیم ارائه می شود.از آنجایی که دنبال کنندگان کانال از بخش های مختلفی هستند، مثال را در حیطه بازار یابی طرح می کنیم.
فرض کنید شما عرضه کننده لپ تاپ و تبلت هستید و می خواهید علاقه مندی افراد را برای خرید نوع محصول مشخص نمایید.
انواع محصولات ما، گوشی موبایل، تبلت 7 اینج، تبلت 10 اینچ، لپ تاپ 14 اینج، لپ تاپ 15 اینچ است (5نوع محصول).
برای این منظور پرسشنامه ای میان 18 نفر از مشتریان توزیع شده است و اطلاعات مربوط به سن ، جنسیت و محصول خریداری شده را ثبت کرده ایم.
مسئله مورد نظر ما این است که با فرض داشتن سن و جنسیت بتوانیم محصول مورد درخواست فرد را پیش بینی کنیم. (اطلاعات مسئله در فایل csv ضمیمه شده قرار دارد. ستون جنسیت در فایل، برای خانم ها عدد 1 و اقایان عدد 0 صفر در نظر گرفته شده است)
1️⃣ گام اول تفکیک مقادیر ورودی (input) و خروجی (outpu). مقادیر ورودی ما جنسیت و سن هستند و مقدار خروجی ما که به دنبال پیش بینی آن هستیم محصولی است که خریداری می شود.
2️⃣ در گام دوم داده ها را به دو بخش آموزش (train) و آزمون (test) تقسیم می کنیم.
3️⃣ در گام سوم با استفاده از روش درخت تصمیم (DecisionTreeClassifier) مدل را با استفاده از داده های آموزش (train) اجرا می کنیم.

کار تمام است! به راحتی می توانیم داده های آزمون (test) را به مدل بدهیم و مدل برای ما پیش بینی را انجام می دهد.
فایل های این مثال در پست بعد ارائه می شود.
در پست های آتی مطالبی را در خصوص سنجش کیفیت و کارایی مدل تقدیم خواهد.


#یادگیری_ماشین
#پایتون_مالی
#Machine_learning
#scikit-learn

@python4finance

BY Python4Finance