رسم الفئات

جزء من قسم البيانات والرسوم البيانية في رحلة Machine Learning على Coddy. الدرس 55 من 60.

هل تُشكّل الفئات سُحبًا منفصلة؟ ارسم مخططًا مبعثرًا لكل فئة، وسمِّ كل مخطط باسم مأخوذ من target_names:

أزهار السوسن بحسب طول السبلات وعرضها، بلون واحد لكل نوع: تشكّل setosa سحابة خاصة بها في أعلى اليسار، بينما تتداخل versicolor وvirginica في الوسط واليمين

الشفرة البرمجية وراء ذلك:

df = iris.frame
fig, ax = plt.subplots()
for i in range(3):
    group = df[df["target"] == i]
    ax.scatter(group["sepal length (cm)"], group["sepal width (cm)"], label=iris.target_names[i])
ax.set_title("Iris flowers by sepal size")
ax.set_xlabel("sepal length (cm)")
ax.set_ylabel("sepal width (cm)")
ax.legend()
plt.show()

يحصل كل استدعاء على لونه الخاص، وlabel=iris.target_names[i] يحوّل 0 و1 و2 إلى أسماء في وسيلة الإيضاح.

تتميز Setosa عن غيرها؛ بينما تتداخل versicolor وvirginica. في مناطق تداخل السحب، سيرتكب النموذج أخطاءه.

التحدي

متوسط

هل تكوّن العينات الخبيثة والحميدة مجموعتين منفصلتين؟ لا يستطيع مخطط زميلك الإجابة عن ذلك: فهو يرسم كل بيانات load_breast_cancer باستخدام مخطط مبعثر واحد بلون واحد.

استبدل ذلك المخطط بمخطط لكل فئة: mean radius على المحور الأفقي، وmean concave points على المحور الرأسي.
ضع تسمية لكل فئة باسمها من target_names.

أبقِ الأسطر الجاهزة كما هي. ينبغي أن يبدو مخططك مثل هذا، المرسوم باستخدام قياسين آخرين:

مخطط مبعثر لعينات أنسجة الثدي بحسب متوسط الملمس ومتوسط النعومة، الخبيثة باللون الأزرق والحميدة باللون البرتقالي، مع وسيلة إيضاح تسمي الفئتين

لا يطبع برنامجك أي شيء: يتحقق Coddy من المخطط ويصفه.

جرّب بنفسك

import matplotlib.pyplot as plt
from sklearn.datasets import load_breast_cancer

cancer = load_breast_cancer(as_frame=True)
df = cancer.frame

# لا تغيّر السطر أدناه
fig, ax = plt.subplots()

# أصلح الكود هنا
ax.scatter(df["mean radius"], df["mean concave points"])

# لا تغيّر الأسطر أدناه
ax.set_title("Cells by Diagnosis")
ax.set_xlabel("mean radius")
ax.set_ylabel("mean concave points")
ax.legend()
plt.show()