كيمياء النبيذ

جزء من قسم الإحصاء لتعلّم الآلة في رحلة Machine Learning على Coddy. الدرس 63 من 64.

اختبر مستورد نبيذ 178 نوعًا من النبيذ من ثلاثة أصناف من العنب، مع 13 قراءة كيميائية لكل نوع: load_wine. قبل أن يتعلم النموذج الأصناف، يبحث المختبر عن أخطاء في أجهزة القياس.

مخططات صندوقية لثلاث قراءات خام للنبيذ على محور واحد: يتراوح المغنيسيوم من نحو 70 إلى 162، بينما يُضغط الكحول الذي يقترب من 13 ودرجة اللون التي تقترب من 1 إلى خطوط مسطحة عند الأسفل

تُقاس القراءات بمقاييس مختلفة جدًا، لذا لا توجد قاعدة واحدة للقيم المتطرفة تناسبها جميعًا. بعد التوحيد القياسي، تُعبّر كل قراءة عن عدد الانحرافات المعيارية عن متوسطها.

على ذلك المقياس، أي قيمة تبعد أكثر من 3، في أي من الجانبين، تستحق نظرة ثانية. ثم يوضّح صندوق لكل صنف الموضع الذي يقع فيه عادةً.

التحدي

صعب

يقرأ البرنامج اسم سمة.

خزّن درجات z الخاصة بها في df["z"]، باستخدام .std() في pandas.
اطبع عدد أنواع النبيذ التي تقع خارج النطاق، على كلا الجانبين، ثم اطبع كل نوع منها بترتيب الجدول: الفهرس، والقراءة، ودرجة z.
اطبع متوسط درجة z لكل صنف.
ارسم صندوقًا واحدًا لدرجات z لكل صنف، وسمِّ كل صندوق باستخدام wine.target_names، واجعل السمة عنوانًا وz-score تسمية المحور y.

قرّب إلى منزلتين عشريتين. بالنسبة إلى color_intensity، يطبع البرنامج:

Outliers in color_intensity: 1
Wine 158: 13.0 (z = 3.43)
class_0: 0.2
class_1: -0.85
class_2: 1.01

ويرسم:

ثلاثة مخططات صندوقية لدرجات z الخاصة بـ color_intensity بعنوان color_intensity: class_0 حول 0.15، وclass_1 منخفض حول -0.9 مع بضع نقاط فوقه، وclass_2 مرتفع حول 1.1 مع شارب يصل إلى 3.43

بعد ذلك، يصف Coddy صناديقك.

جرّب بنفسك

import numpy as np
import matplotlib.pyplot as plt
from sklearn.datasets import load_wine

feature = input()
wine = load_wine(as_frame=True)
df = wine.frame

# اكتب الكود الخاص بك أدناه