תכונות ותוויות

חלק מהיחידה נתונים ותרשימים במסלול ה-Machine Learning של Coddy. שיעור 53 מתוך 60.

מודל לומד מקלטים כדי להפיק תשובות, ולכן נותנים לו שני דברים: X, התכונות, ו-y, התוויות, אחת לכל דגימה:

שש שורות של איריס מחולקות לשניים: X, רשת של ארבע מדידות בכל שורה בכחול בהיר, ולצידה y, תווית אחת לכל שורה (0, 0, 1, 1, 2, 2) בכחול כהה יותר

למערך נתונים שנטען עם as_frame=True יש את שניהם מוכנים:

iris = load_iris(as_frame=True)
X = iris.data
y = iris.target
print(X.shape, y.shape)

זה מדפיס:

(150, 4) (150,)

שורה i של X היא פרח אחד, ו-y[i] הוא המין שלו. התווית נשארת מחוץ ל-X: מודל שיכול לקרוא את התשובה לא לומד כלום.

לאחר מכן, ספרו את המחלקות באמצעות y.value_counts(): ב-iris יש 50 מכל אחת, וזהו מערך נתונים מאוזן.

אתגר

בינוני

הספרות הכתובות ביד של scikit-learn הן תמונות בגודל 8 על 8, שכל אחת מהן מאוחסנת כ־64 מספרי פיקסלים (התכונות שלה) ומסומנת בספרה שמופיעה בהן:

עשר ספרות כתובות ביד מתוך load_digits, מ־0 עד 9 בשתי שורות של חמש, כל אחת תמונה גושית בגודל 8 על 8 בדיו כהה על רקע לבן

הפיצול של חבר צוות מדפיס X: (1797, 65): X שלהם עדיין מכיל את התשובות.

תקנו את X כך שיכיל רק את 64 תכונות הפיקסלים.
מתחת לשורות המוכנות, הדפיסו כמה דוגמאות מציגות את הספרה d שהתוכנית קוראת.

עבור הקלט 3:

X: (1797, 64)
y: (1797,)
Samples of digit 3: 183

נסו בעצמכם

from sklearn.datasets import load_digits

digits = load_digits(as_frame=True)
d = int(input())

# המאפיינים והתוויות
X = digits.frame
y = digits.target

# אל תשנו את השורות שלהלן
print(f"X: {X.shape}")
print(f"y: {y.shape}")

# כתבו את הקוד שלכם למטה