Rückblick: Saatgutsortierer

Teil des Abschnitts Überwachtes Lernen der Machine Learning-Journey von Coddy. Lektion 5 von 58.

Aufgabe

Einfach

Erinnerst du dich an die Samen, mit denen dieses Kapitel begonnen hat? Baue jetzt ihren Sortierer. seeds.csv enthält 180 Weizensamen: vier Messwerte, benannt in features, und die variety. Der Starter-Code liest einen neuen Samen in die einzeilige Tabelle new_seed ein.

Teile die Daten auf, wobei ein Viertel zum Testen verwendet wird, mit random_state=0, und gib die Größen aus.
Gib die häufigste Sorte im Trainingsdatensatz aus: die Antwort der Baseline.
Trainiere ein k-nächste-Nachbarn-Modell mit den Messwerten. Gib seine Genauigkeit und die der Baseline, auf 3 Dezimalstellen gerundet, aus.
Gib die Sorte des neuen Samens aus.

Für die Samen eines anderen Bauernhofs:

Train: 120 seeds, test: 40
Most common in training: Rosa
Accuracy: 0.925 (baseline 0.4)
New seed: Canadian

Probier es selbst

import pandas as pd

# 180 Weizenkörner: vier Messwerte und die Sorte
seeds = pd.read_csv("seeds.csv")
features = ["area_mm2", "length_mm", "width_mm", "groove_mm"]

# Ein neues Weizenkorn aus dem Labor, als Tabelle mit einer Zeile
new_seed = pd.DataFrame({
    "area_mm2": [float(input())],
    "length_mm": [float(input())],
    "width_mm": [float(input())],
    "groove_mm": [float(input())],
})

# Schreibe deinen Code unten