Bỏ qua đến nội dung chính
Mục lục

Bài tập machine learning cơ bản: baseline, fit, predict

AIDev Team · duyệt: Nguyễn Việt Chung

Bài 5/5 · Chương 2

API scikit-learn và model đầu tiên

  • 6 phút
  • Cơ bản
  • Python 3.14
  • Cập nhật

Sáu bài tập machine learning dưới đây được chấm tự động ngay trên trang: mỗi bài bạn viết thân một hàm Python nhỏ, bấm Chạy, và từng dòng kiểm tra báo đạt hay chưa. Các bài dùng lại nhóm bài nhập môn: tách feature và label, xếp loại bài toán, dựng baseline, rồi fit, predict và score một model scikit-learn trên bảng giá nhà.

Cần biết trước: fit, predict, score, baseline và dự đoán giá nhà đầu tiên.

Cách làm các bài tập

Mỗi bài cho sẵn các dòng import và dòng def với thân là pass. Bạn thay pass bằng thân hàm. Trình chấm không đọc những gì bạn in ra: nó gọi hàm với nhiều bảng khác nhau rồi so giá trị trả về, nên hàm phải return. Số thực được so gần đúng, nên đừng làm tròn.

Mỗi hàm có bốn hoặc năm dòng kiểm tra. Có ví dụ trong đề, một trường hợp biên và một dòng kiểm hàm không sửa bảng của nơi gọi. Dòng cuối gọi hàm trên 12 mẫu ngẫu nhiên có hạt giống của file gia_nha.csv (2.500 căn nhà giả lập ở TP. Hồ Chí Minh) rồi so với một cách tính khác. Bí thì mở gợi ý theo thứ tự: gợi ý một chỉ chỗ cần nhìn, gợi ý hai nêu cách làm, gợi ý ba gần như là lời giải.

Mức dễ: tách feature, label và xếp loại bài toán

Hai bài đầu chưa cần model: chỉ chuẩn bị dữ liệu đúng hình dạng scikit-learn đòi.

Tách bảng thành X và y

bang là một DataFrame, cot_nhan là tên cột nhãn. Viết thân hàm tach_x_y(bang, cot_nhan): X là bảng bỏ cột nhãn, các cột còn lại giữ nguyên thứ tự; y là cột nhãn, một Series.

Hàm không sửa bang của nơi gọi.

Trả về: X và y theo thứ tự đó, một tuple.

Ví dụ với bảng ba cột dien_tich_m2, so_phong_ngu, gia_ty, tach_x_y(bang, "gia_ty") cho X hai cột đầu và y là cột giá. Ôn lại: fit, predict, score.

python
import pandas as pd

def tach_x_y(bang, cot_nhan):
    pass  # Viết thân hàm thay cho dòng này

Xếp một nhãn vào phân loại hay hồi quy

Bài này dùng một quy ước thô: nhãn có nhiều nhất so_lop_toi_da giá trị khác nhau là bài toán phân loại, nhiều hơn là bài toán hồi quy. nhan là một Series. Viết thân hàm loai_bai_toan(nhan, so_lop_toi_da) theo quy ước đó.

Hàm không sửa nhan của nơi gọi.

Trả về: "phân loại" hoặc "hồi quy", một str.

Ví dụ loai_bai_toan(pd.Series([0, 1, 1, 0]), 10) cho "phân loại": nhãn chỉ có hai giá trị. Ôn lại: học có giám sát.

python
import pandas as pd

def loai_bai_toan(nhan, so_lop_toi_da):
    pass  # Viết thân hàm thay cho dòng này

Mức vừa: baseline và dự đoán một căn mới

Hai bài này fit model thật của scikit-learn, rồi gọi predict() trên dòng model chưa thấy.

Dự đoán bằng baseline của scikit-learn

bang_cu và bang_moi có cùng các cột, kể cả cột nhãn cot_nhan. Viết thân hàm baseline_du_doan(bang_cu, bang_moi, cot_nhan, la_phan_loai): fit một baseline trên bang_cu rồi dự đoán cho từng dòng của bang_moi. Khi la_phan_loai là True, dùng DummyClassifier(strategy="most_frequent"); khi là False, dùng DummyRegressor(strategy="mean"). X của cả hai bảng là bảng bỏ cột nhãn.

Hàm không sửa hai bảng của nơi gọi.

Trả về: các dự đoán, một ndarray.

Ví dụ giá cũ 3.1, 3.9, 4.4 cho dự đoán 3.8 ở mọi dòng mới. Ôn lại: baseline.

python
import pandas as pd
from sklearn.dummy import DummyClassifier, DummyRegressor

def baseline_du_doan(bang_cu, bang_moi, cot_nhan, la_phan_loai):
    pass  # Viết thân hàm thay cho dòng này

Đoán giá một căn nhà mới bằng LinearRegression

nha là bảng có ít nhất các cột dien_tich_m2, so_phong_ngu và gia_ty, có thể có thêm cột khác. Viết thân hàm gia_can_moi(nha, dien_tich, so_phong): fit LinearRegression() với hai feature dien_tich_m2, so_phong_ngu theo đúng thứ tự đó và label gia_ty, rồi đoán giá căn có dien_tich mét vuông và so_phong phòng ngủ. Căn mới đưa vào predict() dưới dạng một DataFrame một dòng.

Hàm không sửa nha của nơi gọi.

Trả về: giá dự đoán tính bằng tỷ đồng, một float.

Ví dụ với bảng tám căn ở dòng kiểm tra đầu, gia_can_moi(nha, 65, 2) cho khoảng 4.466. Ôn lại: dự đoán giá nhà đầu tiên.

python
import pandas as pd
from sklearn.linear_model import LinearRegression

def gia_can_moi(nha, dien_tich, so_phong):
    pass  # Viết thân hàm thay cho dòng này

Mức khó: chấm model trên bảng chưa thấy

Hai bài cuối nhận sẵn bảng train và bảng test, nên con số trả về là điểm trên dữ liệu model chưa thấy khi fit.

Tính điểm R² của model trên bảng test

nha_train và nha_test có cùng các cột, kể cả gia_ty; cac_cot là list tên các cột feature. Viết thân hàm r2_tren_bang_moi(nha_train, nha_test, cac_cot): fit LinearRegression() trên nha_train với feature cac_cot và label gia_ty, rồi lấy score() trên nha_test.

Hàm không sửa hai bảng của nơi gọi.

Trả về: điểm score() trên bảng test, một float, không làm tròn.

Ví dụ fit trên sáu căn đầu của bảng tám căn với feature dien_tich_m2, chấm trên hai căn cuối, cho khoảng 0.958. Ôn lại: fit, predict, score.

python
import pandas as pd
from sklearn.linear_model import LinearRegression

def r2_tren_bang_moi(nha_train, nha_test, cac_cot):
    pass  # Viết thân hàm thay cho dòng này

Kiểm xem model có vượt baseline trên bảng test

Một model chỉ đáng giữ khi nó đoán tốt hơn baseline luôn đoán giá trung bình. Viết thân hàm vuot_baseline(nha_train, nha_test, cac_cot): fit LinearRegression() và DummyRegressor(strategy="mean") trên nha_train với feature cac_cot, label gia_ty, rồi so điểm score() của hai model trên nha_test. Model phải cao hơn hẳn; bằng điểm baseline là chưa vượt.

Hàm không sửa hai bảng của nơi gọi.

Trả về: True khi model vượt baseline, một bool.

Ví dụ trên bảng tám căn, feature dien_tich_m2 cho True. Ôn lại: baseline.

python
import pandas as pd
from sklearn.dummy import DummyRegressor
from sklearn.linear_model import LinearRegression

def vuot_baseline(nha_train, nha_test, cac_cot):
    pass  # Viết thân hàm thay cho dòng này

Câu hỏi thường gặp

Bài tập machine learning có lời giải xem ở đâu?

Mỗi bài có lời giải mẫu, mở sau khi bạn đã chạy thử. Lời giải chỉ là một cách đúng: trình chấm so giá trị trả về, nên cách viết khác vẫn đạt nếu ra cùng kết quả trên mọi dòng kiểm tra.

Vì sao điểm R² trên bảng test có thể âm?

R² bằng 0 là tốt bằng việc luôn đoán trung bình của chính bảng test. Baseline đoán trung bình của bảng train, nên điểm test của nó thường dưới 0 một chút; vì vậy bài vuot-baseline so model với baseline, không so với 0. Model khớp cả nhiễu trên bảng train nhỏ có thể còn thấp hơn thế: ở bài đó, model chỉ dùng tuổi nhà thua cả baseline.

Quy ước số giá trị khác nhau có đủ để biết bài toán là phân loại không?

Không phải lúc nào cũng đủ. Số tầng nhà chỉ có vài giá trị nhưng vẫn có thể đoán như một con số. Câu hỏi đúng là bạn cần đoán một nhóm hay một lượng; bài học có giám sát phân biệt hai loại đó kỹ hơn.

Chủ đề

bài tập machine learning

Dữ liệu của bài

Bài này có hữu ích?

Hỏi đáp

Đang tải câu hỏi…

Tham vấn chuyên môn

Nguyễn Việt Chung

Nhà sáng lập AIDev và VietPlatform · Thạc sĩ AI MSE

  • Tốt nghiệp thủ khoa xuất sắc Thạc sĩ AI MSE.
  • Đồng sáng lập, CTO E-University, SVOnline: số hóa 10+ đại học, 40.000+ sinh viên.
  • Xây hệ thống AI cho doanh nghiệp tại VietPlatform.
Biên soạn: AIDev Team · Rà soát · Quy trình biên tập