بتل کد Battle Codeدارد باز می‌شود…

The Neighbours Vote چالش 3 از جلسه‌ی 48، متوسط

تابع knn(x, k) را کامل کن: near شماره‌ی k نزدیک‌ترین تصویر آموزش است؛ هر کدام یک رأی به برچسبش (int(y[i])) می‌دهد و برچسبِ بیشترین رأی برگردانده می‌شود. خروجی سه خط است: k = 1: train 99.5% test 89.0%، k = 3: train 99.0% test 92.0% و k = 9: train 97.0% test 96.0%.

import random
import numpy as np

SHAPES = '''
.###. ..#.. .###. ####. #..#. ##### .###. ##### .###. .###.
#...# .##.. #...# ....# #..#. #.... #.... ....# #...# #...#
#...# ..#.. ..##. .###. ##### ####. ####. ...#. .###. .####
#...# ..#.. .#... ....# ...#. ....# #...# ..#.. #...# ....#
.###. .###. ##### ####. ...#. ####. .###. ..#.. .###. .###.
'''


def make_digits(copies, noise, seed):
    random.seed(seed)
    rows = SHAPES.strip().splitlines()
    X, y = [], []
    for c in range(copies):
        for d in range(10):
            pixels = [1.0 if ch == "#" else 0.0 for ch in "".join(r.split()[d] for r in rows)]
            for i in random.sample(range(25), noise):
                pixels[i] = 1.0 - pixels[i]
            X.append(pixels)
            y.append(d)
    return np.array(X), np.array(y)


X, y = make_digits(20, 2, 1)     # 200 training digits
Xt, yt = make_digits(10, 2, 2)   # 100 new test digits



def knn(x, k):
    dist = ((X - x) ** 2).sum(axis=1)
    near = dist.argsort(kind="stable")[:k]
    votes = {}
    # every neighbour gives one vote to its label (int(y[i]))
    # return the label with the most votes


def score(Xs, ys, k):
    right = sum(1 for i in range(len(Xs)) if knn(Xs[i], k) == ys[i])
    return round(right / len(Xs) * 100, 1)



for k in [1, 3, 9]:
    print(f"k = {k}: train {score(X, y, k)}% test {score(Xt, yt, k)}%")

راهنما و جواب این چالش · برگشت به درس جلسه‌ی 48: بیش‌برازش و تعمیم ۱ · چالش بعدی: Ten Pictures Only

بیشتر بخوان: تابع در پایتون: آموزش def، پارامتر و return با مثال