eeyyyyyyyyyyyyyy

6/Labo6.ipynb

@@ -0,0 +1,124 @@
+{
+ "cells": [
+  {
+   "cell_type": "markdown",
+   "metadata": {},
+   "source": [
+    "# Labo 6 Data Science : Lineaire Modellen"
+   ]
+  },
+  {
+   "cell_type": "markdown",
+   "metadata": {},
+   "source": [
+    "**Oefening 1** : **Regressie via Lineaire Modellen**\n",
+    "\n",
+    "Gegeven de uitgebreidere data van de auto.csv met extra features : auto_extra.txt. De taak blijft nog steeds om de target _miles_per_gallon_ ($mpg$) te voorspellen.\n",
+    "\n",
+    "Uit de oorspronkelijke beschrijving van de data set :\n",
+    "\n",
+    " \"The data concerns city-cycle fuel consumption in miles per gallon,\n",
+    "    to be predicted in terms of 3 multivalued discrete and 5 continuous\n",
+    "    attributes.\" (Quinlan, 1993)\n",
+    "  Number of Instances: 398\n",
+    "  Number of Attributes: 9 including the class attribute\n",
+    "  Attribute Information:\n",
+    "\n",
+    "    1. mpg:           continuous\n",
+    "    2. cylinders:     multi-valued discrete\n",
+    "    3. displacement:  continuous\n",
+    "    4. horsepower:    continuous\n",
+    "    5. weight:        continuous\n",
+    "    6. acceleration:  continuous\n",
+    "    7. model year:    multi-valued discrete\n",
+    "    8. origin:        multi-valued discrete\n",
+    "    9. car name:      string (unique for each instance)\n",
+    "\n",
+    "Lees de data in via volgend commando :\n",
+    "\n",
+    "```\n",
+    "data = pd.read_table('auto_extra.txt', delim_whitespace=True)\n",
+    "```\n",
+    "- Inspecteer de data en merk op dat het type van de kolom _horsepower_ geen $float$ is zoals men zou verwachten. Waarom niet? Kan je dit herstellen?\n",
+    "\n",
+    "- Doe eerst de selectie van features : bereken de **correlatiematrix** en ga op basis hiervan na welke features je zou meenemen.\n",
+    "Gebruik volgende tutorial om de correlatiematrix te berekenen en te plotten : <http://benalexkeen.com/correlation-in-python/>\n",
+    "\n",
+    "- Op basis van de geselecteerde features kan je nu een regressiemodel opstellen. Test de verschillende algoritmen die je gezien hebt : Lineair Regression, Ridge en Lasso. Doe een grondige analyse van de parameters $\\alpha$ vooraleer je accuracy scores berekent en vergelijkt.\n",
+    "\n",
+    "- Gebruik je 3 modellen om de mpg van een moderne wagen te voorspellen : \n",
+    "  toyota_prius : cylinders : 4, displacement : 497, horsepower: 72, weight: 3626, acceleration : 13.4. De    werkelijke mpg is $28.93593047$\n",
+    "  "
+   ]
+  },
+  {
+   "cell_type": "code",
+   "execution_count": null,
+   "metadata": {},
+   "outputs": [],
+   "source": []
+  },
+  {
+   "cell_type": "markdown",
+   "metadata": {},
+   "source": [
+    "**Oefening 2** : **Classificatie a.d.h.v. lineaire modellen**\n",
+    "\n",
+    "De taak is om op basis van 2 examenresultaten van studenten te gaan voorspellen of ze toegelaten zullen worden om in te schrijven voor een bepaalde cursus. \n",
+    "\n",
+    "- Lees de txt file : cijfers.txt in via pandas. Zorg ervoor dat je tabel de volgende kolomhoofden heeft : 'Examen1', 'Examen2', 'Toegelaten'. \n",
+    "- Visualiseer deze data door een scatterplot te maken van de aanwezige data. Geef elke klasse een andere kleur.\n",
+    "- Stel een model op via LogisticRegression, splits je data in een trainings en testset ($25\\%$ van de data hou je om de testen)\n",
+    "- Bereken de **accuracy van je model** en plot de lineaire **decision boundary** die je bekomt bovenop je scatterplot. Je model zal 2 coëfficienten weergeven ($a_1$ en $a_2*$ want er zijn 2 features aanwezig) en een intercept($a_0$). Deze kan je opvragen via  \n",
+    "\n",
+    "```\n",
+    "model.coef_[0]\n",
+    "model.intercept_[0]\n",
+    "```\n",
+    "\n",
+    "De vergelijking van je decision boundary verkrijg je als volgt :\n",
+    "\n",
+    "\\begin{equation}\n",
+    "0 = a_0 + a_1 * x_1 + a_2x_2 \\\\\n",
+    "x_2 = - \\frac{a_0 + a_1 * x_1}{a_2}\n",
+    "\\end{equation}\n",
+    "\n",
+    "- Tenslotte varieer je volgende parameters om je accuracy te verhogen :\n",
+    "\n",
+    "    - De parameter $C$ waarmee je de waarde van regularizatie aanpast. Hoe kleiner $C$ hoe sterker de regularizatie.\n",
+    "    - De parameter $random\\_state$ die de seed van de pseudo random generator in de $train\\_test\\_split$ methode instelt\n",
+    "    \n",
+    "  Ga ook telkens visueel na wat het effect is op je decision boundary.\n",
+    "\n"
+   ]
+  },
+  {
+   "cell_type": "code",
+   "execution_count": null,
+   "metadata": {},
+   "outputs": [],
+   "source": []
+  }
+ ],
+ "metadata": {
+  "kernelspec": {
+   "display_name": "Python 3",
+   "language": "python",
+   "name": "python3"
+  },
+  "language_info": {
+   "codemirror_mode": {
+    "name": "ipython",
+    "version": 3
+   },
+   "file_extension": ".py",
+   "mimetype": "text/x-python",
+   "name": "python",
+   "nbconvert_exporter": "python",
+   "pygments_lexer": "ipython3",
+   "version": "3.7.1"
+  }
+ },
+ "nbformat": 4,
+ "nbformat_minor": 2
+}