איכות האוויר
חלק מהיחידה סטטיסטיקה ללמידת מכונה במסלול ה-Machine Learning של Coddy. שיעור 62 מתוך 64.
עיר רוצה תחזית מהירה של אבק דק, PM2.5. חיישן הרחוב שלה תיעד 40 ימים ב־air.csv:
כל שורה מכילה את נתוני הרוח, הטמפרטורה, הלחות, התנועה ו-pm25 של יום אחד. אחד מהם עוקב אחר האבק הרבה יותר טוב מכל השאר.
מצאו אותו, התאימו קו ואמרו עד כמה כדאי לבטוח בו: כמה הוא מסביר, היכן הוא מחטיא הכי הרבה, ומתי תחזית משאירה את הנתונים מאחור.
אתגר
קשההתוכנית קוראת את הערך של היום החדש עבור התכונה הטובה ביותר. עגל ל־2 ספרות אחרי הנקודה העשרונית.
- הדפס את התכונה עם ערך r החזק ביותר ביחס ל־
pm25, בלי להתחשב בסימן, ואת ערך r עם הסימן שלו. - התאם קו. הדפס אותו, את ערך R בריבוע שלו, ואת השורה שהקו מפספס בה הכי הרבה, יחד עם השארית שלה.
- חשב תחזית עבור הערך, והצג אזהרה כשהוא מחוץ לטווח הנתונים של התכונה.
- צייר נקודות ואת הקו האדום מהערך הקטן ביותר לגדול ביותר: כותרת
Air Quality, התכונה בציר האופקי,PM2.5בציר האנכי.
עבור עיר אחרת והקלט 8:
Best feature: traffic_k (r = 0.86)
Line: pm25 = 1.11 * traffic_k + 13.67
R squared: 0.73
Largest miss: row 14 (residual 11.15)
Prediction at 8.0: 22.57
Warning: outside the dataאחרי הקווים שלך, Coddy יתאר את התרשים שלך.
נסו בעצמכם
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
value = float(input())
df = pd.read_csv("air.csv")
# כתבו את הקוד שלכם למטה
בחנו את עצמכםהשיעור הזה כולל חידון קצר. התחילו את השיעור כדי לענות עליו ולעקוב אחרי ההתקדמות.
כל השיעורים ביחידה סטטיסטיקה ללמידת מכונה
1מרכז ופיזור
ממוצע וחציוןאחוזונים ורבעוניםשונות וסטיית תקןמדגם או אוכלוסייה?הערך השכיח ביותרסיכום: זמני משלוח4מדגמים ואוכלוסיות
אוכלוסייה ומדגםממוצעי מדגמים משתניםהתפלגות הדגימהמדגמים גדולים יותר, פחות רעשסיכום: סקר בעיירה5ערכים חריגים
תרשימי קופסהכלל הטווח הבין־רבעוני (IQR)כלל ציון Zטיפול בערכים חריגיםסיכום: תקלות בחיישניםתרגלו בעצמכם: קומפיילר Python אונליין