Esercitazione 4.5

Soluzioni

Le soluzioni a questi esercizi sono mostrate nel notebook reperibile a questo indirizzo.

Esercizio 4.5.1

Creiamo una pipeline di processing che, dati i dati relativi a conto e mance del dataset tips, e come label il giorno dello stesso, calcoli l'ARI a valle dell'applicazione di un'operazione di scaling prima dell'algoritmo di clustering. Successivamente, provare a modificare il numero di cluster, ricalcolando l'ARI.

Esercizio 4.5.2

Usiamo un column transformer per filtrare e pre-elaborare i dati contenuti nel dataset Tips. In particolare:

• assegnamo i dati mancanti;
• scaliamo i dati numerici nel range \([0, 1]\);
• codifichiamo i dati categorici mediante un OrdinalEncoder().

Usiamo il trasformer come step di ingresso ad un multi-layer perceptron, limitandoci a chiamare il metodo fit(), e non valutando quindi i risultati.

Esercizio 4.5.3

Usiamo la grid search per ottimizzare i seguenti parametri del percettrone usato nell'esempio precedente:

• solver, tra tutti quelli disponibili;
• learning_rate_init, tra \(10^{-1}\) e \(10^{-5}\), ad ordini di grandezza decrescenti;
• max_iter, tra \(1000\) e \(2000\).

Stampiamo a schermo il miglior punteggio ottenuto, oltre che i parametri del migliore stimatore.

Esercizio 4.5.4

Integriamo nella pipeline una semplice procedura di feature selection mediante la VarianceThreshold().

Esercizio 4.5.5

Dato il dataset Diabetes:

1. caricarlo in memoria;
2. visualizzarne e studiarne la struttura mediante un'analisi esplorativa;
3. effettuare un'analisi di correlazione;
4. isolare le \(k\) feature più importanti;
5. comparare i risultati in termini di regressione usando un regressore lineare ed un albero decisionale;
6. eseguire una GridSearchCV su un albero decisionale, cercando di migliorare le performance in termini di MAPE.

Esercizio 4.5.6

Dato il dataset Iris:

1. caricarlo in memoria;
2. visualizzarne e studiarne la struttura mediante un'analisi esplorativa;
3. effettuare un'analisi di correlazione;
4. isolare le \(k\) feature più importanti;
5. comparare i risultati in termini di regressione usando un regressore logistico ed un albero decisionale;
6. eseguire una GridSearchCV su un albero decisionale, cercando di migliorare le performance in termini di accuracy.

Esercizio 4.5.7

Comparare, per mezzo di due pipeline, i risultati ottenuti effettuando il clustering mediante algoritmo KMeans sui dati di make_blobs() con e senza riduzione della dimensionalità.