Terlalu Banyak Fitur

Termasuk bagian Pembelajaran Tanpa Pengawasan dalam perjalanan Machine Learning di Coddy. Pelajaran 24 dari 51.

Bab ini memadatkan banyak fitur menjadi beberapa fitur saja. Di akhir bab ini, 13 pengukuran wine menjadi satu peta:

178 wine dalam satu peta dengan dua fitur baru pada sumbu mendatar dan tegak: tiga kelompok, cultivar 1 di kanan, cultivar 2 di bawah tengah, cultivar 3 di kiri

Mengapa memadatkan? Banyak fitur sulit diplot, lambat dipasangkan, dan sering kali saling mengulang, seperti dua fitur ini:

Total fenol terhadap flavanoid untuk 178 wine: titik-titik naik bersama dari kiri bawah ke kanan atas, dengan r = 0.86

Variabel kembar membawa satu ide dua kali. Matriks korelasi menemukannya, dengan r mendekati 1 atau -1:

wine = load_wine(as_frame=True).frame
corr = wine.corr()
print(round(corr.loc["flavanoids", "total_phenols"], 2))

Ini mencetak 0.86. Pertahankan satu dari setiap pasangan, atau gabungkan: penggabungan adalah hal yang dibangun dalam bab ini.

Tantangan

Sedang

Sebuah workshop sabun mengukur 10 hal pada setiap batch sabun, dan laporan menjadi panjang. Temukan pasangan kembar. Program membaca batas, kode awal membuat corr.

Periksa setiap pasangan kolom yang berbeda tepat satu kali.
Cetak setiap pasangan yang nilai absolut r-nya setidaknya sebesar batas, dengan tanda positif maupun negatif, dan tampilkan r dengan 2 angka desimal.
Cetak jumlah pasangan yang kamu temukan.

Untuk workshop lain dan batas 0.85:

lye_g and oil_g: 0.91
cure_days and water_left_pct: -0.88
Twin pairs: 2

Coba sendiri

import pandas as pd

# Bengkel sabun: 10 pengukuran untuk setiap batch dari 60 batch sabun
batches = pd.read_csv("soaps.csv")
limit = float(input())
corr = batches.corr()
cols = corr.columns

# Tulis kodemu di bawah ini