السمات مقابل الوسم

جزء من قسم الإحصاء لتعلّم الآلة في رحلة Machine Learning على Coddy. الدرس 58 من 64.

ما السمات التي تتحرك مع التصنيف؟ احسب ارتباط كل سمة به، حيث 0 للخبيث و1 للحميد، ثم رتّبها حسب قوة الارتباط:

أشرطة أفقية لقيم r لأقوى عشر سمات للمتوسط في بيانات الأنسجة، مرتبة من الأقوى في الأعلى: متوسط النقاط المقعّرة -0.78، متوسط المحيط -0.74، متوسط نصف القطر -0.73، وصولًا إلى متوسط البُعد الكسري عند 0.01

تعطي X.corrwith(y) قيمة r لكل ميزة دفعة واحدة:

X = cancer.data[cancer.feature_names[:10]]
r = X.corrwith(cancer.target)
strength = np.abs(r).sort_values(ascending=False)
for name in strength.index[:3]:
    print(name, np.round(r[name], 2))

يطبع هذا:

mean concave points -0.78
mean perimeter -0.74
mean radius -0.73

تعني قيمة r سالبة أن الميزة أكبر في الفئة 0: فالخلايا الخبيثة لديها نقاط مقعّرة أكثر. ترتّب np.abs حسب القوة، بغض النظر عن الإشارة.

بالقرب من 0، كما هو الحال مع البُعد الكسيري، لا يختلف أحد الخصائص إلا قليلًا بين الفئات: وهو مرشّح للاستبعاد.

التحدي

متوسط

ما ميزات الأنسجة التي ينبغي للنموذج أن يجرّبها أولًا؟ المدخلات هي مجموعة، error أو worst، وk؛ ويضع الكود المبدئي ميزات المجموعة في X.

رتّب الميزات حسب قوة ارتباطها r مع y.
اطبع أفضل k ميزات مع قيم r ذات إشارتها، حتى منزلتين عشريتين.
تحقّق من الإشارة: اطبع متوسطات الفئات للميزة الأقوى.

لمجموعة mean وk = 2:

Top 2 mean features:
mean concave points: -0.78
mean perimeter: -0.74
mean concave points by class: malignant 0.09, benign 0.03

جرّب بنفسك

import numpy as np
from sklearn.datasets import load_breast_cancer

group = input()
k = int(input())
cancer = load_breast_cancer(as_frame=True)
df = cancer.frame
y = cancer.target
# السمات العشر للمجموعة: mean أو error أو worst
start = {"mean": 0, "error": 10, "worst": 20}[group]
X = cancer.data[cancer.feature_names[start:start + 10]]

# اكتب الكود الخاص بك أدناه