Caratteristiche ed etichette

Fa parte della sezione Dati e grafici del percorso Machine Learning di Coddy. Lezione 53 di 60.

Un modello impara dagli input per fornire risposte, quindi gli dai due cose: X, le caratteristiche, e y, le etichette, una per campione:

Sei righe di iris divise in due: X, una griglia di quattro misurazioni per riga in azzurro chiaro, e y accanto, un'etichetta per riga (0, 0, 1, 1, 2, 2) in blu più scuro

Un set di dati caricato con as_frame=True ha entrambi già pronti:

iris = load_iris(as_frame=True)
X = iris.data
y = iris.target
print(X.shape, y.shape)

Questo stampa:

(150, 4) (150,)

La riga i di X è un fiore e y[i] la sua specie. L'etichetta resta fuori da X: un modello che può leggere la risposta non impara nulla.

Quindi conta le classi con y.value_counts(): iris ne ha 50 per ciascuna, un dataset bilanciato.

Sfida

Medio

Le cifre scritte a mano di scikit-learn sono immagini di 8 per 8, ciascuna memorizzata come 64 numeri di pixel (le sue caratteristiche) ed etichettata con la cifra che mostra:

Dieci cifre scritte a mano da load_digits, da 0 a 9 in due righe da cinque, ciascuna un'immagine a blocchi di 8 per 8 in inchiostro scuro su sfondo bianco

La suddivisione di un compagno di squadra stampa X: (1797, 65): il suo X contiene ancora le risposte.

Correggi X in modo che contenga solo le 64 caratteristiche dei pixel.
Sotto le righe già pronte, stampa quanti campioni mostrano la cifra d letta dal programma.

Per l'input 3:

X: (1797, 64)
y: (1797,)
Samples of digit 3: 183

Provalo tu

from sklearn.datasets import load_digits

digits = load_digits(as_frame=True)
d = int(input())

# Le caratteristiche e le etichette
X = digits.frame
y = digits.target

# Non modificare le righe seguenti
print(f"X: {X.shape}")
print(f"y: {y.shape}")

# Scrivi il tuo codice qui sotto