Esplorare per classe

Fa parte della sezione Dati e grafici del percorso Machine Learning di Coddy. Lezione 54 di 60.

Quale misura permette di riconoscere una specie? Disponi ogni fiore su una linea in base alla lunghezza dei petali, una riga per specie:

Fiori di Iris disposti in base alla lunghezza dei petali, una riga per specie: setosa si concentra intorno a 1.5 cm, versicolor intorno a 4.3 cm e virginica intorno a 5.6 cm; la media di ciascuna classe è indicata con una barra nera

groupby sull'etichetta calcola queste medie:

df = iris.frame
means = df.groupby("target")["petal length (cm)"].mean()
print(means)

Stampa:

target
0    1.462
1    4.260
2    5.552
Name: petal length (cm), dtype: float64

Le classi si trovano molto distanti, quindi la lunghezza dei petali separa le classi: un modello farà affidamento su di essa.

Un rapporto indica quanto: means[2] / means[1] è circa 1.3. Più si allontana da 1, meglio la caratteristica distingue queste due classi.

Sfida

Medio

Quale misura cellulare permette di riconoscere un campione maligno? In load_breast_cancer, la classe 0 è maligna e la classe 1 è benigna. Il codice iniziale legge alcuni nomi di caratteristiche in features.

Per ogni caratteristica, stampa la sua media per i campioni maligni divisa per la sua media per i campioni benigni, arrotondata a 2 decimali con round.
Dopo il ciclo, indica la caratteristica con il rapporto più alto.

Per le caratteristiche worst radius e worst texture:

worst radius: malignant is 1.58 times benign
worst texture: malignant is 1.25 times benign
Best separator: worst radius

Provalo tu

from sklearn.datasets import load_breast_cancer

cancer = load_breast_cancer(as_frame=True)

# Le caratteristiche da confrontare
n = int(input())
features = []
for i in range(n):
    features.append(input())

# Scrivi il tuo codice qui sotto