Merkmale und Labels

Teil des Abschnitts Daten und Diagramme der Machine Learning-Journey von Coddy. Lektion 53 von 60.

Ein Modell lernt anhand von Eingaben, Antworten zu geben. Deshalb übergibst du ihm zwei Dinge: X, die Merkmale, und y, die Labels, jeweils eines pro Beispiel:

Sechs Iris-Zeilen, in zwei Gruppen aufgeteilt: X, ein Raster mit vier Messwerten pro Zeile in Hellblau, und daneben y, ein Label pro Zeile (0, 0, 1, 1, 2, 2) in Dunkelblau

Ein mit as_frame=True geladener Datensatz hat beides bereit:

iris = load_iris(as_frame=True)
X = iris.data
y = iris.target
print(X.shape, y.shape)

Dies gibt Folgendes aus:

(150, 4) (150,)

Zeile i von X steht für eine Blume und y[i] für ihre Art. Das Label bleibt außerhalb von X: Ein Modell, das die Antwort lesen kann, lernt nichts.

Zähle dann die Klassen mit y.value_counts(): Iris hat jeweils 50, ein ausgewogener Datensatz.

Aufgabe

Mittel

Die handgeschriebenen Ziffern von scikit-learn sind 8 mal 8 Pixel große Bilder, die jeweils als 64 Pixelzahlen (ihre Merkmale) gespeichert und mit der dargestellten Ziffer beschriftet sind:

Zehn handgeschriebene Ziffern aus load_digits, 0 bis 9 in zwei Reihen mit je fünf Ziffern, jeweils ein blockiges Bild mit 8 mal 8 Pixeln in dunkler Tinte auf weißem Hintergrund

Bei der Aufteilung eines Teammitglieds wird X: (1797, 65) ausgegeben: In dessen X sind noch immer die Antworten enthalten.

Korrigiere X, sodass es nur die 64 Pixelmerkmale enthält.
Gib unter den vorbereiteten Zeilen aus, wie viele Beispiele die Ziffer d zeigen, die das Programm einliest.

Bei der Eingabe 3:

X: (1797, 64)
y: (1797,)
Samples of digit 3: 183

Probier es selbst

from sklearn.datasets import load_digits

digits = load_digits(as_frame=True)
d = int(input())

# Die Merkmale und die Labels
X = digits.frame
y = digits.target

# Ändere die folgenden Zeilen nicht
print(f"X: {X.shape}")
print(f"y: {y.shape}")

# Schreibe deinen Code unten