סיכום: שירי ציפורים

חלק מהיחידה למידה בלתי מונחית במסלול ה-Machine Learning של Coddy. שיעור 28 מתוך 51.

אתגר

בינוני

צפר/ית תיעד/ה 160 שירים מארבעה מינים, עם 7 מדידות לכל שיר. צמצמו אותם למפה אחת, כמו היינות שפתחו את הפרק הזה.

בצעו קנה מידה למדידות והתאימו PCA() שמשאיר את כל הרכיבים; שמרו את הפלט של fit_transform שלו בתוך points.
הדפיסו את שיעור הפיזור ששני הרכיבים הראשונים שומרים, עם 3 ספרות אחרי הנקודה העשרונית, ואת מספר הרכיבים שמגיעים ל-90%.
צרו תרשים פיזור של שני הרכיבים הראשונים, קבוצה אחת לכל מין עם תווית של שמו, ומקרא. הציגו אותו.

עבור צפר/ית אחר/ת:

First two keep: 0.818
Components for 90%: 4

תרשים שכותרתו Bird Songs in 2D, הרכיב הראשון לאורך הציר האופקי והשני כלפי מעלה: ארבע קבוצות של שירים, blackbird, chaffinch, robin ו-wren, כל אחת בצבע משלה, עם מקרא

Coddy מתאר את המפה שלכם. אילו שני מינים שרים בצורה הדומה ביותר?

נסו בעצמכם

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

# הקלטות של צפר: 7 מדידות לכל אחד מ־160 שירים, ומין הציפור השרה
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")

# כתבו את הקוד שלכם למטה