Melihat Sekilas
Termasuk bagian Statistik untuk ML dalam perjalanan Machine Learning di Coddy. Pelajaran 56 dari 64.
Setiap model dimulai dengan seseorang yang mengamati datanya secara saksama. Bab ini berakhir dengan gambar seperti ini: dua pengukuran yang memisahkan tumor berdasarkan class.
Mulailah dengan empat pemeriksaan: ukuran, nilai yang hilang, rentang, dan kelas. Untuk dataset wines:
wine = load_wine(as_frame=True)
df = wine.frame
print(df.shape)
print(df.isna().sum().sum())Hasilnya:
(178, 14)
013 fitur ditambah target, dan .sum().sum() tidak menemukan nilai yang hilang di mana pun. df.describe() menampilkan rentang setiap fitur.
Terakhir, class-nya. normalize=True mengubah jumlah menjadi proporsi:
shares = df["target"].value_counts(normalize=True)Menjawab class_1 setiap saat selalu benar 40% dari waktu: baseline yang harus dikalahkan model sungguhan.
Tantangan
SedangLakukan pemeriksaan awal pada load_breast_cancer, sebelum model apa pun mempelajarinya. Kode awal memuatnya ke df dan membaca nama sebuah fitur. Cetak:
- Ukuran dan jumlah sel yang hilang.
- Nilai minimum, maksimum, dan median fitur, dari
describe(). - Proporsi setiap kelas dalam bentuk persentase bulat, sesuai urutan kelas.
- Nilai dasar: proporsi terbesar dan kelasnya.
Untuk bunga iris dan input petal length (cm), hasilnya:
Size: 150 samples, 4 features
Missing cells: 0
petal length (cm): 1.0 to 6.9, median 4.35
setosa: 33%
versicolor: 33%
virginica: 33%
Baseline: 33% by always answering setosaData iris seimbang sempurna. Apakah data jaringan juga demikian?
Coba sendiri
from sklearn.datasets import load_breast_cancer
feature = input()
cancer = load_breast_cancer(as_frame=True)
df = cancer.frame
# Tulis kodemu di bawah ini
Uji dirimuPelajaran ini berisi kuis singkat. Mulai pelajarannya untuk menjawab kuis dan melacak progresmu.
Semua pelajaran di Statistik untuk ML
1Pusat dan Sebaran
Rata-rata dan MedianPersentil dan KuartilVarians dan Simpangan BakuSampel atau Populasi?Nilai yang Paling Sering MunculRangkuman: Waktu Pengiriman4Sampel dan Populasi
Populasi dan SampelRata-rata Sampel BervariasiDistribusi SamplingSampel Lebih Besar, Lebih Sedikit GangguanRangkuman: Jajak Pendapat di Sebuah Kota2Distribusi
Histogram KepadatanBentuk DataKurva NormalAturan 68-95-99,7Skor-ZRekap: Daya Tahan Baterai5Nilai Pencilan
Diagram KotakAturan IQRAturan Z-ScoreMenangani Nilai PencilanRangkuman: Gangguan Sensor8Membandingkan Kelompok
Diagram Kotak per KelompokPerbedaan Rata-rataMungkinkah Ini Kebetulan?Nilai-pUji-tRangkuman: Uji A/B11Menjelajahi Dataset
Melihat SekilasSemua Fitur SekaligusFitur Dibandingkan dengan LabelDua Fitur TerbaikRangkuman: Data Diabetes3Probabilitas melalui Simulasi
Probabilitas sebagai FrekuensiHukum Bilangan BesarJumlah Mata DaduNilai HarapanProbabilitas BersyaratRangkuman: Peluang di Lapak Dadu6Hubungan
Membaca Diagram PencarKorelasiMatriks KorelasiPeta Panas KorelasiKorelasi Bukan Sebab-AkibatRangkuman: Es Krim dan MatahariLatihan sendiri: Compiler Python online