Trop de caractéristiques

Fait partie de la section Apprentissage non supervisé du Journey Machine Learning de Coddy. Leçon 24 sur 51.

Ce chapitre regroupe de nombreuses fonctionnalités en quelques-unes. À la fin, 13 mesures de vin deviennent une seule carte :

178 vins sur une seule carte avec deux nouvelles caractéristiques, sur l’axe horizontal et l’axe vertical : trois groupes, le cépage 1 à droite, le cépage 2 en bas au milieu, le cépage 3 à gauche

Pourquoi réduire ? De nombreuses caractéristiques sont difficiles à représenter, longues à ajuster et se répètent souvent, comme ces deux-là :

Phénols totaux en abscisse et flavonoïdes en ordonnée pour 178 vins : les points montent ensemble du coin inférieur gauche au coin supérieur droit, avec r = 0.86

Les jumeaux portent deux fois la même idée. La matrice de corrélation les repère, avec un r proche de 1 ou de -1 :

wine = load_wine(as_frame=True).frame
corr = wine.corr()
print(round(corr.loc["flavanoids", "total_phenols"], 2))

Cela affiche 0.86. Garde un élément de chaque paire, ou fusionne-les : c’est ce que ce chapitre va t’apprendre à faire.

Défi

Moyen

Un atelier de savon mesure 10 choses sur chaque lot de savon, et les rapports deviennent longs. Trouve les jumeaux. Le programme lit un seuil ; le code de départ construit corr.

Parcours chaque paire de colonnes différentes une seule fois.
Affiche chaque paire dont r est au moins égal au seuil en valeur absolue, avec r à 2 décimales.
Affiche le nombre de paires trouvées.

Pour un autre atelier et un seuil de 0.85 :

lye_g and oil_g: 0.91
cure_days and water_left_pct: -0.88
Twin pairs: 2

Essayez vous-même

import pandas as pd

# Un atelier de fabrication de savon : 10 mesures pour chacun des 60 lots de savon
batches = pd.read_csv("soaps.csv")
limit = float(input())
corr = batches.corr()
cols = corr.columns

# Écrivez votre code ci-dessous