Menu
CoddyTech

Semua Fitur Sekaligus

Termasuk bagian Statistik untuk ML dalam perjalanan Machine Learning di Coddy. Pelajaran 57 dari 64.

Tiga puluh fitur membutuhkan tiga puluh histogram. Kamu bisa membacanya lebih cepat sebagai satu kisi berisi grafik-grafik kecil, seperti empat fitur iris ini:

Empat histogram kecil dalam kisi 2 kali 2, masing-masing untuk satu fitur iris: dua histogram sepal berbentuk satu gundukan, sedangkan dua histogram petal masing-masing terbagi menjadi blok kecil di sebelah kiri dan gundukan lebar di sebelah kanan

Sebuah perulangan mengisi grid, grafik i dengan fitur i:

names = iris.feature_names
fig, axs = plt.subplots(2, 2)
for i in range(4):
    ax = axs.flat[i]
    ax.hist(iris.frame[names[i]], bins=15)
    ax.set_title(names[i])
fig.tight_layout()
plt.show()

plt.subplots(2, 2) membuat tabel berisi grafik, dan axs.flat menyusunnya berurutan per baris:

Kisi dengan 2 baris dan 3 kolom, sel-selnya diberi nomor axs.flat 0 sampai 5, dimulai dari baris 0, lalu baris 1, dengan nomor baris dan kolom masing-masing ditulis di bawahnya

fig.tight_layout() menjaga agar judul tidak bertumpuk. Sekarang, perhatikan: kedua histogram kelopak terbagi menjadi dua. Celah seperti itu sering menandakan bahwa satu class terpisah, jadi pertahankan fitur tersebut.

challenge icon

Tantangan

Sedang

Lihat seluruh data jaringan. Input memilih satu grup, mean, error, atau worst, dan kode awal menempatkan enam nama fitur pertamanya di names.

  1. Buat grid dengan 2 baris dan 3 kolom.
  2. Di chart i, gambar histogram fitur i dengan 20 bin, lalu beri judul menggunakan namanya.
  3. Rapikan tata letaknya, lalu tampilkan.

Seperti grid enam fitur wine ini:

Enam histogram kecil dalam 2 baris yang masing-masing terdiri dari 3 histogram, berjudul alcohol, malic_acid, ash, alcalinity_of_ash, magnesium, dan total_phenols, masing-masing dengan 20 batang

Programmu tidak mencetak apa pun: Coddy menjelaskan setiap chart.

Coba sendiri

import matplotlib.pyplot as plt
from sklearn.datasets import load_breast_cancer

group = input()
cancer = load_breast_cancer(as_frame=True)
df = cancer.frame
# Enam nama fitur pertama dari grup: mean, error, atau worst
start = {"mean": 0, "error": 10, "worst": 20}[group]
names = cancer.feature_names[start:start + 6]

# Tulis kodemu di bawah ini
quiz iconUji dirimu

Pelajaran ini berisi kuis singkat. Mulai pelajarannya untuk menjawab kuis dan melacak progresmu.

Semua pelajaran di Statistik untuk ML

Latihan sendiri: Compiler Python online