Ein erster Blick

Teil des Abschnitts Statistik für ML der Machine Learning-Journey von Coddy. Lektion 56 von 64.

Jedes Modell beginnt damit, dass sich jemand seine Daten genau ansieht. Dieses Kapitel endet mit einer solchen Abbildung: zwei Messwerte, die Tumoren nach Klassen trennen.

Brustgewebeproben als Punkte, mittlere konkave Punkte auf der x-Achse und mittlerer Umfang auf der y-Achse: Gutartige Proben häufen sich unten links, bösartige verteilen sich nach oben und rechts

Beginne mit vier Prüfungen: Größe, Lücken, Wertebereiche und Klassen. Bei den Weinen:

wine = load_wine(as_frame=True)
df = wine.frame
print(df.shape)
print(df.isna().sum().sum())

Dies gibt Folgendes aus:

(178, 14)
0

13 Merkmale plus target, und .sum().sum() fand nirgendwo Lücken. df.describe() gibt den Wertebereich jedes Merkmals an.

Zuletzt die Klassen. normalize=True wandelt die Anzahlen in Anteile um:

shares = df["target"].value_counts(normalize=True)

Balken der drei Weinklassen: class_0 33 %, class_1 40 %, class_2 27 %, mit einer gestrichelten Linie bei 40 %, markiert mit immer class_1: 40 % richtig

Immer class_1 zu antworten ist in 40 % der Fälle richtig: die Baseline, die ein echtes Modell übertreffen muss.

Aufgabe

Mittel

Wirf einen ersten Blick auf load_breast_cancer, bevor ein Modell damit trainiert wird. Der Starter-Code lädt es in df und liest den Namen eines Merkmals ein. Gib Folgendes aus:

Die Größe und die fehlenden Zellen.
Das Minimum, Maximum und den Median des Merkmals, aus describe().
Den Anteil jeder Klasse als ganze Prozentzahl, in der Reihenfolge der Klassen.
Die Baseline: den größten Anteil und seine Klasse.

Für die Irisblumen und die Eingabe petal length (cm) gibt es Folgendes aus:

Size: 150 samples, 4 features
Missing cells: 0
petal length (cm): 1.0 to 6.9, median 4.35
setosa: 33%
versicolor: 33%
virginica: 33%
Baseline: 33% by always answering setosa

Der Iris-Datensatz ist perfekt ausgewogen. Gilt das auch für die Gewebedaten?

Probier es selbst

from sklearn.datasets import load_breast_cancer

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

# Schreibe deinen Code unten