À la rencontre des manchots

Fait partie de la section Apprentissage supervisé du Journey Machine Learning de Coddy. Leçon 50 sur 58.

Dans la section 1, tu as exploré 100 manchots. Cette colonie en compte 300, et maintenant tu construis le modèle qui leur donnera un nom. Le tien nommera cette femelle :

300 manchots représentés par des points, longueur du bec en abscisse et longueur des nageoires en ordonnée : Adelie en bas à gauche, Chinstrap en bas à droite, Gentoo en haut à droite, et une grande étoile noire entre eux portant l’étiquette Qui est-elle ?

Chaque projet commence par l’observation. Combien y a-t-il d’individus de chaque espèce ? Cela détermine le score à battre. Où se trouvent les lacunes ? Qu’est-ce qui distingue les espèces ?

Un nuage de points répond à la dernière question. La longueur des nageoires et la masse permettent de repérer les manchots Gentoo, contrairement aux autres :

Longueur des nageoires en fonction de la masse corporelle pour la colonie : les points des manchots Gentoo sont à part, en haut à droite, tandis que ceux des manchots Adélie et à jugulaire se chevauchent dans un même nuage

Un modèle n’apprend que ce que montrent les mesures, il lui en faudra donc plus que ces deux-là.

Défi

Moyen

Votre colonie se trouve dans penguins.csv. Le programme lit deux colonnes de mesures, et le code de départ prépare leur graphique.

Affiche la référence à battre : la plus grande proportion d’une espèce, avec 3 décimales, et cette espèce.
Affiche chaque colonne contenant des valeurs manquantes et leur nombre : la prochaine leçon les remplira.
Trace les deux colonnes en nuage de points, avec un groupe par espèce identifié par son nom. Ajoute une légende et affiche le graphique.

Pour une colonie plus petite :

Baseline to beat: 0.483 (always Adelie)
Gaps to fill:
  body_mass_g: 1
  sex: 4

Ensuite, Coddy décrit ton graphique. Pour body_mass_g et bill_length_mm, il ressemble à ceci :

Un nuage de points intitulé body_mass_g vs bill_length_mm avec une légende : points Adelie bas et clairs, Chinstrap hauts et clairs, Gentoo lourds à droite

Essayez vous-même

import pandas as pd
import matplotlib.pyplot as plt

penguins = pd.read_csv("penguins.csv")
x_col = input()
y_col = input()

# Ne modifiez pas les lignes ci-dessous
fig, ax = plt.subplots()
ax.set_title(f"{x_col} vs {y_col}")
ax.set_xlabel(x_col)
ax.set_ylabel(y_col)

# Écrivez votre code ci-dessous