Vorige

Volgende

Samenvatting

Voltooid

In deze module hebt u het volgende geleerd:

• Een notebook maken in Azure Notebooks
• Gegevens in een notebook importeren met behulp van curl
• Pandas gebruiken om gegevens op te schonen en voor te bereiden
• scikit-learn gebruiken om een Machine Learning-model te maken
• Matplotlib gebruiken om de resultaten te visualiseren

Pandas, scikit-learn en Matplotlib behoren tot de populairste Python-bibliotheken ter wereld. Dit kunt u ermee doen: gegevens voorbereiden op gebruik voor machine learning, geavanceerde Machine learning-modellen maken op basis van de gegevens en de uitvoer in een grafiek weergeven. Jupyter-notebooks bieden een kant-en-klare omgeving voor het gebruik van deze bibliotheken en met Microsoft Azure Notebooks krijgt u eenvoudig toegang tot Jupyter-notebooks zonder dat u software hoeft te installeren of een Jupyter-omgeving hoeft in te stellen op een server.

Test uw kennis

1.

Welke methode wordt in Pandas gebruikt om een CSV-bestand te importeren? Ga ervan uit dat pandas is geladen als import pandas as pd.

pd.load_file('file.csv')

pd.read_file('file.csv')

pd.read_csv('file.csv')

2.

Wat is het doel van gegevens splitsen voorafgaand aan het trainen van een machine learning-model?

Beperking van het aantal gegevens voor het model.

Eén deel kan worden gebruikt voor training en het andere om de prestaties van het model te evalueren.

Voor het model zijn niet veel gegevens nodig.

3.

Welke methode in Matplotlib zou u gebruiken om een staafdiagram te tekenen als u Matplotlib als plt hebt geïmporteerd?

plt.barplt.bar(labels, waarden)

plt.chart(labels, waarden)

plt.barchart(labels, waarden)

U moet alle vragen beantwoorden voordat uw werk kan worden gecontroleerd.

Doorgaan