מאפיינים מול התווית

חלק מהיחידה סטטיסטיקה ללמידת מכונה במסלול ה-Machine Learning של Coddy. שיעור 58 מתוך 64.

אילו מאפיינים משתנים יחד עם התווית? חשבו את המתאם של כל אחד מהם איתה, 0 עבור ממאיר ו-1 עבור שפיר, ודרגו אותם לפי עוצמת המתאם:

$עמודות אופקיות של r עבור עשרת המאפיינים הממוצעים של נתוני הרקמה, החזק ביותר למעלה: mean concave points -0.78, mean perimeter -0.74, mean radius -0.73, עד mean fractal dimension ב-0.01$

X.corrwith(y) נותן את ערך r של כל מאפיין בבת אחת:

X = cancer.data[cancer.feature_names[:10]]
r = X.corrwith(cancer.target)
strength = np.abs(r).sort_values(ascending=False)
for name in strength.index[:3]:
    print(name, np.round(r[name], 2))

זה מדפיס:

mean concave points -0.78
mean perimeter -0.74
mean radius -0.73

ערך r שלילי פירושו שהתכונה גדולה יותר במחלקה 0: לתאים ממאירים יש יותר נקודות קעורות. np.abs מדרג לפי העוצמה, בלי קשר לסימן.

קרוב ל-0, כמו ממד פרקטלי, מאפיין כמעט שאינו שונה בין המחלקות: מועמד להשמטה.

אתגר

בינוני

אילו מאפייני רקמה מודל צריך לנסות תחילה? הקלטים הם קבוצה, error או worst, ו-k; קוד הפתיחה מציב את מאפייני הקבוצה ב-X.

דרגו את המאפיינים לפי עוצמת המתאם שלהם עם y.
הדפיסו את k המובילים עם המתאם שלהם, כולל הסימן, בדיוק של 2 ספרות אחרי הנקודה.
בדקו את הסימן: הדפיסו את ממוצעי המחלקות של המאפיין החזק ביותר.

עבור קבוצת mean ו-k = 2:

Top 2 mean features:
mean concave points: -0.78
mean perimeter: -0.74
mean concave points by class: malignant 0.09, benign 0.03

נסו בעצמכם

import numpy as np
from sklearn.datasets import load_breast_cancer

group = input()
k = int(input())
cancer = load_breast_cancer(as_frame=True)
df = cancer.frame
y = cancer.target
# עשרת המאפיינים של הקבוצה: mean, error או worst
start = {"mean": 0, "error": 10, "worst": 20}[group]
X = cancer.data[cancer.feature_names[start:start + 10]]

# כתבו את הקוד שלכם למטה

בחנו את עצמכם

השיעור הזה כולל חידון קצר. התחילו את השיעור כדי לענות עליו ולעקוב אחרי ההתקדמות.

כל השיעורים ביחידה סטטיסטיקה ללמידת מכונה

2התפלגויות

היסטוגרמות צפיפות צורות הנתונים העקומה הנורמלית כלל 68-95-99.7 ציוני Z סיכום: חיי סוללה

5ערכים חריגים

תרשימי קופסה כלל הטווח הבין־רבעוני (IQR)כלל ציון Z טיפול בערכים חריגים סיכום: תקלות בחיישנים

8השוואה בין קבוצות

תרשימי קופסה לפי קבוצה הפרש בין ממוצעים האם ייתכן שזה מקרי?ערכי P מבחן t סיכום: מבחן A/B

11חקר מערך נתונים

מבט ראשון כל המאפיינים בבת אחתמאפיינים מול התוויתשני המאפיינים הטובים ביותר סיכום: נתוני סוכרת

תרגלו בעצמכם: קומפיילר Python אונליין