Récapitulatif : chants d’oiseaux

Fait partie de la section Apprentissage non supervisé du Journey Machine Learning de Coddy. Leçon 28 sur 51.

Défi

Moyen

Un ornithologue a enregistré 160 chants de quatre espèces, avec 7 mesures pour chacun. Réduis-les à une seule carte, comme les vins qui ont ouvert ce chapitre.

Standardise les mesures et ajuste un PCA() qui conserve toutes les composantes ; garde sa sortie fit_transform dans points.
Affiche la part de la dispersion conservée par les deux premières composantes, avec 3 décimales, ainsi que le nombre de composantes nécessaires pour atteindre 90 %.
Trace les deux premières composantes sous forme de nuage de points, avec un groupe par espèce portant son nom, et une légende. Affiche le graphique.

Pour un autre ornithologue :

First two keep: 0.818
Components for 90%: 4

Graphique intitulé Chants d’oiseaux en 2D, première composante en abscisse et deuxième en ordonnée : quatre groupes de chants, merle noir, pinson des arbres, rouge-gorge et troglodyte, chacun dans sa propre couleur, avec une légende

Coddy décrit ta carte. Quelles sont les deux espèces qui chantent le plus pareil ?

Essayez vous-même

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

# Les enregistrements d’un ornithologue : 7 mesures pour chacun des 160 chants, ainsi que l’espèce de l’oiseau qui chante
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")

# Écrivez votre code ci-dessous