Питон. Создание класса модели
Помогите, пожалуйста, с кодом.
Создайте класс NearestNeighborClassificator для модели классификации методом ближайших соседей. В этом задании будет только обучение, а в следующем — предсказание.
Добавьте в класс метод fit(). Для метода ближайшего соседа обучение модели — это запоминание всей обучающей выборки. В ней predict() будет искать ближайший объект.
Сохраните:
признаки обучающей выборки в атрибуте self.features_train;
целевой признак — self.target _train.
Ничего страшного, если атрибуты называются так же, как параметры.
Обучите модель, напечатайте на экране её атрибуты (уже в прекоде).
import pandas as pd
from scipy.spatial import distance
columns = ['комнаты', 'площадь', 'кухня', 'пл. жилая', 'этаж', 'всего этажей', 'кондиционер']
df_train = pd.DataFrame([
[1, 38.5, 6.9, 18.9, 3, 5, 1],
[1, 38.0, 8.5, 19.2, 9, 17, 0],
[1, 34.7, 10.3, 19.8, 1, 9, 0],
[1, 45.9, 11.1, 17.5, 11, 23, 1],
[1, 42.4, 10.0, 19.9, 6, 14, 0],
[1, 46.0, 10.2, 20.5, 3, 12, 1],
[2, 77.7, 13.2, 39.3, 3, 17, 1],
[2, 69.8, 11.1, 31.4, 12, 23, 0],
[2, 78.2, 19.4, 33.2, 4, 9, 0],
[2, 55.5, 7.8, 29.6, 1, 25, 1],
[2, 74.3, 16.0, 34.2, 14, 17, 1],
[2, 78.3, 12.3, 42.6, 23, 23, 0],
[2, 74.0, 18.1, 49.0, 8, 9, 0],
[2, 91.4, 20.1, 60.4, 2, 10, 0],
[3, 85.0, 17.8, 56.1, 14, 14, 1],
[3, 79.8, 9.8, 44.8, 9, 10, 0],
[3, 72.0, 10.2, 37.3, 7, 9, 1],
[3, 95.3, 11.0, 51.5, 15, 23, 1],
[3, 69.3, 8.5, 39.3, 4, 9, 0],
[3, 89.8, 11.2, 58.2, 24, 25, 0],
], columns=columns)
train_features = df_train.drop('кондиционер', axis=1)
train_target = df_train['кондиционер']
df_test = pd.DataFrame([
[1, 36.5, 5.9, 17.9, 2, 7, 0],
[2, 71.7, 12.2, 34.3, 5, 21, 1],
[3, 88.0, 18.1, 58.2, 17, 17, 1],
], columns=columns)
test_features = df_test.drop('кондиционер', axis=1)
# < напишите код здесь >
model = NearestNeighborClassificator()
model.fit (train_features, train_target)
print(model.features_train.head())
print( model.target _train.head())
Подсказка
class NearestNeighborClassificator:
def fit(self, features_train, target_train):
self.features_train = # < напишите код здесь >
self.target_train = # < напишите код здесь >
Вот код класса NearestNeighborClassificator, который удовлетворяет требованиям задания:
class NearestNeighborClassificator:
def fit(self, features_train, target_train):
self.features_train = features_train
self.target_train = target_train Вы можете добавить этот код в заготовку и запустить ячейку, чтобы убедиться, что класс создан правильно.
После запуска ячейки с созданием экземпляра класса и вызовом метода fit, вы должны получить на выходе первые 5 строк атрибута features_train и target_train:
комнаты площадь кухня пл. жилая этаж всего этажей
0 1 38.5 6.9 18.9 3 5
1 1 38.0 8.5 19.2 9 17
2 1 34.7 10.3 19.8 1 9
3 1 45.9 11.1 17.5 11 23
4 1 42.4 10.0 19.9 6 14
0 1
1 0
2 0
3 1
4 0
Name: кондиционер, dtype: int64 Вот как вы можете создать класс NearestNeighborClassificator для модели классификации методом ближайших соседей и добавить в него метод fit():
class NearestNeighborClassificator:
def fit(self, features_train, target_train):
self.features_train = features_train
self.target_train = target_train
В этом коде мы создаем класс NearestNeighborClassificator и добавляем в него метод fit(). Метод fit() принимает два параметра: features_train и target_train. Внутри метода fit() мы сохраняем эти параметры в атрибутах self.features_train и self.target _train соответственно.
Теперь вы можете использовать этот класс для обучения модели. Вот как это выглядит в вашем коде:
model = NearestNeighborClassificator()
model.fit(train_features, train_target)
print(model.features_train.head())
print(model.target_train.head())
В этом коде мы создаем экземпляр класса NearestNeighborClassificator и вызываем его метод fit() для обучения модели. Затем мы выводим на экран первые пять строк атрибутов features_train и target_train модели.