Les chiffres en un coup d’œil
Fait partie de la section Données et visualisations du Journey Machine Learning de Coddy. Leçon 59 sur 60.
load_digits contient 1 797 chiffres manuscrits. Chaque échantillon correspond aux niveaux de luminosité de 64 pixels, ligne après ligne d’une image de 8 sur 8, de 0 (blanc) à 16 (encre pleine).
Deux auteurs ne dessinent jamais un 4 de la même façon :
Un enseignant veut l’image typique : l’image moyenne, où chaque pixel est la moyenne de ce pixel sur l’ensemble des échantillons du chiffre.
Défi
DifficileLe programme lit un chiffre d. Charge les chiffres sans as_frame, afin que .data et .target soient des tableaux NumPy.
- Calcule l’image moyenne du chiffre
d. - Affiche la ligne et la colonne de son pixel le plus lumineux, en commençant à compter à partir de 0.
- Affiche son encre moyenne : la moyenne des moyennes de ses 64 pixels, arrondie à 2 décimales avec
np.round. - Dessine-le sous forme d’image de 8 par 8 en
gray, avec pour titreAverageet le chiffre.
Le résultat devrait ressembler à ceci, pour 4 :
Pour l’entrée 4, la sortie complète est :
Brightest pixel: row 5, column 4
Average ink: 4.85
Charts drawn: 1
Title: Average 4
Images: 1
Size: 8 rows, 8 columns
Color map: gray
Row 0: [0.0, 0.0, 0.5, 7.1, 11.5, 2.0, 0.2, 0.1]
Row 1: [0.0, 0.1, 3.5, 13.3, 8.5, 2.0, 1.1, 0.3]
Row 2: [0.0, 0.7, 10.5, 11.4, 4.9, 5.8, 3.8, 0.3]
Row 3: [0.0, 4.6, 14.5, 6.4, 7.4, 10.6, 6.1, 0.0]
Row 4: [0.0, 8.6, 14.6, 9.7, 13.0, 14.0, 5.3, 0.0]
Row 5: [0.1, 6.3, 11.3, 12.4, 14.6, 10.4, 1.6, 0.0]
Row 6: [0.1, 1.1, 2.9, 7.8, 13.5, 4.2, 0.0, 0.0]
Row 7: [0.0, 0.0, 0.6, 7.8, 11.8, 2.0, 0.0, 0.0]Essayez vous-même
import numpy as np
import matplotlib.pyplot as plt
from sklearn.datasets import load_digits
d = int(input())
# Écrivez votre code ci-dessous
Testez-vousCette leçon comprend un petit quiz. Commencez la leçon pour y répondre et suivre votre progression.
Toutes les leçons de Données et visualisations
1Introduction
Bonjour, Machine LearningQu’est-ce qu’un modèle ?Importer des bibliothèquesVotre premier graphique4Façonner les données
Remodeler les tableauxJoindre des tableauxNombres aléatoiresRécapitulatif : simulation de dés2Tableaux NumPy
Créer des tableauxForme et taillePlages de nombresIndexation et découpageRécapitulatif : grille de températures5Graphiques en courbes et nuages de points
Étiquettes et titresNuages de pointsPlusieurs courbes et légendesCouleurs et marqueursFigures et axesRécapitulatif : pas hebdomadaires3Calculs sur les tableaux
Opérations mathématiques sur des tableaux entiersStatistiques récapitulativesStatistiques par axeDiffusionMasques booléensRécapitulatif : notes d’examen6Graphiques de données
Diagrammes en barresHistogrammesPlusieurs graphiques en unImages sous forme de tableauxRécapitulatif : rapport sur les précipitations9Regrouper et nettoyer
Compter les valeursRegrouper les donnéesPlusieurs résumésValeurs manquantesRécapitulatif : résultats de l’enquête12Défis finaux
Rapport des ventesRelevés des capteursLes chiffres en un coup d’œilExplorateur pingouinEntraînez-vous par vous-même : Compilateur Python en ligne