Química del vino
Parte de la sección Estadística para ML del Journey de Machine Learning de Coddy. Lección 63 de 64.
Un importador de vinos analizó 178 vinos de tres variedades de uva, con 13 mediciones químicas cada uno: load_wine. Antes de que un modelo aprenda las variedades, el laboratorio busca errores en las mediciones de los instrumentos.
Las mediciones se sitúan en escalas muy diferentes, así que ninguna regla única para valores atípicos sirve para todas. Estandarizada, cada medición cuenta las desviaciones estándar respecto a su media.
En esa regla, más de 3 unidades de distancia, a cualquiera de los lados, merece una segunda mirada. Luego, un recuadro por cultivar muestra dónde suele ubicarse cada uno.
Desafío
DifícilEl programa lee el nombre de una característica.
- Guarda sus puntuaciones z en
df["z"], usando.std()de pandas. - Imprime cuántos vinos están más allá de 3, en cualquiera de los dos sentidos, y luego cada uno en el orden de la tabla: índice, valor y z.
- Imprime la z media de cada variedad.
- Dibuja una caja de puntuaciones z por variedad, con los nombres de
wine.target_names, la característica como título yz-scorecomo etiqueta del eje y.
Redondea a 2 decimales. Para color_intensity, imprime:
Outliers in color_intensity: 1
Wine 158: 13.0 (z = 3.43)
class_0: 0.2
class_1: -0.85
class_2: 1.01y dibuja:
Después, Coddy describe tus cajas.
Pruébalo tú mismo
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
# Escribe tu código a continuación
Ponte a pruebaEsta lección incluye un breve cuestionario. Empieza la lección para responderlo y registrar tu progreso.
Todas las lecciones de Estadística para ML
1Centro y dispersión
Media y medianaPercentiles y cuartilesVarianza y desviación estándar¿Muestra o población?El valor más frecuenteRepaso: tiempos de entrega4Muestras y poblaciones
Población y muestraLas medias muestrales varíanLa distribución muestralMuestras más grandes, menos ruidoRepaso: Encuestar a un pueblo7Líneas de tendencia
ResiduosAjuste por mínimos cuadradosTrazar el ajustePredecir con una línea¿Qué tan bueno es el ajuste?Repaso: horas de práctica10Codificación de categorías
Categorías como númerosCodificación one-hotAgrupación de números en intervalosRepaso: anuncios de autos2Distribuciones
Histogramas de densidadFormas de los datosCurva normalRegla del 68-95-99,7Puntuaciones zRepaso: duración de la batería5Valores atípicos
Diagramas de cajaLa regla del RICLa regla del valor ZTratamiento de valores atípicosRepaso: fallos de los sensores3Probabilidad mediante simulación
La probabilidad como frecuenciaLa ley de los grandes númerosSuma de dadosValor esperadoProbabilidad condicionalRepaso: probabilidades del puesto de dados6Relaciones
Lectura de diagramas de dispersiónCorrelaciónMatriz de correlaciónMapas de calor de correlaciónCorrelación no es causalidadRepaso: helado y sol9Escalado de características
Por qué escalar las característicasEscalado mín-máxEstandarizaciónStandardScalerRepaso: compañeros de escaladaPractica por tu cuenta: Compilador de Python online