Xây dựng mô hình Machine Learning với Scikit-learn

Trong bài viết này, chúng ta sẽ tìm hiểu về việc xây dựng mô hình học máy (Machine Learning) bằng thư viện Scikit-learn – một thư viện Machine Learning phổ biến cho Python.

Scikit-learn là thư viện miễn phí, hỗ trợ nhiều thuật toán như Random Forest, Support Vector Machines, k-Nearest Neighbors với tích hợp trực tiếp NumPy và SciPy.

1. Import dữ liệu

import pandas as pd
url = "đường_dẫn_dữ_liệu_của_bạn"
data = pd.read_csv(url)

2. Khám phá và làm sạch dữ liệu

Sử dụng phương thức head() để xem các bản ghi đầu tiên:

data.head()
data.head(n=4)  # Chỉ hiển thị 4 bản ghi đầu

Xem các bản ghi cuối cùng với tail():

data.tail()
data.tail(n=4)

3. Trực quan hóa dữ liệu

Sử dụng Seaborn và Matplotlib:

import seaborn as sns
import matplotlib.pyplot as plt
sns.set(style="whitegrid", color_codes=True)
# Vẽ countplot
sns.countplot(x='Route To Market', data=sales_data, hue='Opportunity Result')

4. Tiền xử lý dữ liệu

Chuyển đổi dữ liệu phân loại sang số bằng LabelEncoder:

from sklearn import preprocessing
le = preprocessing.LabelEncoder()
encoded_value = le.fit_transform(danh_sách_tên_cột)
print(encoded_value)

5. Xây dựng và huấn luyện mô hình

Kết luận

Trong bài viết này, chúng ta đã tìm hiểu quy trình xây dựng mô hình Machine Learning với Scikit-learn: từ import dữ liệu, khám phá, trực quan hóa, tiền xử lý đến huấn luyện mô hình.