Rückblick: Vogelgesänge

Teil des Abschnitts Unüberwachtes Lernen der Machine Learning-Journey von Coddy. Lektion 28 von 51.

Aufgabe

Mittel

Ein Vogelbeobachter hat 160 Gesänge von vier Arten aufgezeichnet, jeweils mit 7 Messwerten. Verdichte sie zu einer Karte, wie die Weine zu Beginn dieses Kapitels.

Skaliere die Messwerte und passe ein PCA() an, das alle Komponenten beibehält; speichere seine Ausgabe von fit_transform in points.
Gib den Anteil der Streuung aus, den die ersten beiden Komponenten beibehalten, mit 3 Dezimalstellen, und wie viele Komponenten 90 % erreichen.
Erstelle ein Streudiagramm der ersten beiden Komponenten, mit einer Gruppe pro Art, beschriftet mit ihrem Namen, und einer Legende. Zeige es an.

Für einen anderen Vogelbeobachter:

First two keep: 0.818
Components for 90%: 4

Ein Diagramm mit dem Titel Bird Songs in 2D, erste Komponente auf der waagerechten Achse und zweite nach oben: vier Gruppen von Gesängen, blackbird, chaffinch, robin und wren, jede in einer eigenen Farbe, mit einer Legende

Coddy beschreibt deine Karte. Welche zwei Arten singen sich am ähnlichsten?

Probier es selbst

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
from sklearn.preprocessing import StandardScaler
from sklearn.decomposition import PCA

# Aufzeichnungen eines Vogelbeobachters: 7 Messwerte für jeden der 160 Gesänge und die Art des singenden Vogels
songs = pd.read_csv("songs.csv")
X = songs.drop(columns="species")

fig, ax = plt.subplots()
ax.set_title("Bird Songs in 2D")
ax.set_xlabel("First component")
ax.set_ylabel("Second component")

# Schreibe deinen Code unten