Menu
CoddyTech
INIZIA A IMPARARE
flag It iconItalianodown icon

Una prima occhiata

Fa parte della sezione Statistica per il machine learning del percorso Machine Learning di Coddy. Lezione 56 di 64.

Ogni modello inizia con qualcuno che esamina attentamente i suoi dati. Questo capitolo si conclude con un'immagine come questa: due misurazioni che dividono i tumori per classe.

Campioni di tessuto mammario rappresentati da punti, con la media dei punti concavi sull'asse orizzontale e la media del perimetro su quello verticale: i campioni benigni si concentrano in basso a sinistra, quelli maligni si distribuiscono verso l'alto e a destra

Inizia con quattro controlli: dimensioni, valori mancanti, intervalli e classi. Per il dataset dei vini:

wine = load_wine(as_frame=True)
df = wine.frame
print(df.shape)
print(df.isna().sum().sum())

Questo stampa:

(178, 14)
0

13 caratteristiche più target, e .sum().sum() non ha trovato lacune da nessuna parte. df.describe() mostra l'intervallo di ciascuna caratteristica.

Infine, le classi. normalize=True trasforma i conteggi in proporzioni:

shares = df["target"].value_counts(normalize=True)

Barre delle tre classi di vino: class_0 33%, class_1 40%, class_2 27%, con una linea tratteggiata al 40% contrassegnata come sempre class_1: 40% corretto

Rispondere sempre class_1 è corretto il 40% delle volte: la baseline che un vero modello deve superare.

challenge icon

Sfida

Medio

Fai una prima analisi di load_breast_cancer, prima che qualsiasi modello impari da questi dati. Il codice iniziale carica i dati in df e legge il nome di una caratteristica. Stampa:

  1. La dimensione e le celle mancanti.
  2. Il minimo, il massimo e la mediana della caratteristica, da describe().
  3. La percentuale intera di ciascuna classe, nell'ordine delle classi.
  4. La linea di base: la percentuale più alta e la relativa classe.

Per i fiori di iris e l'input petal length (cm), stampa:

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 setosa

Iris è perfettamente bilanciato. Lo sono anche i dati dei tessuti?

Provalo tu

from sklearn.datasets import load_breast_cancer

feature = input()
cancer = load_breast_cancer(as_frame=True)
df = cancer.frame

# Scrivi il tuo codice qui sotto
quiz iconMettiti alla prova

Questa lezione include un breve quiz. Inizia la lezione per rispondere e tenere traccia dei tuoi progressi.

Tutte le lezioni di Statistica per il machine learning

1Centro e dispersione

Media e medianaPercentili e quartiliVarianza e deviazione standardCampione o popolazione?Il valore più frequenteRiepilogo: tempi di consegna

4Campioni e popolazioni

Popolazione e campioneLe medie campionarie varianoDistribuzione campionariaCampioni più grandi, meno rumoreRiepilogo: sondare una città

7Linee di tendenza

ResiduiAdattamento dei minimi quadratiTracciare la retta di adattamentoFare previsioni con una rettaQuanto è buono l’adattamento?Riepilogo: ore di pratica

10Codifica delle categorie

Categorie come numeriCodifica one-hotRaggruppamento dei numeri in intervalliRiepilogo: annunci di auto

2Distribuzioni

Istogrammi di densitàForme dei datiCurva normaleRegola 68-95-99,7Punteggi ZRiepilogo: durata della batteria

5Valori anomali

Diagrammi a scatolaLa regola dell'IQRLa regola dello z-scoreGestire i valori anomaliRiepilogo: anomalie dei sensori

8Confrontare gruppi

Diagrammi a scatola per gruppoDifferenza tra le mediePotrebbe essere solo caso?I p-valueIl test tRiepilogo: test A/B

11Esplorare un dataset

Una prima occhiataTutte le feature insiemeFeature a confronto con l'etichettaLe due feature miglioriRiepilogo: dati sul diabete

3Probabilità tramite simulazione

La probabilità come frequenzaLa legge dei grandi numeriSomme dei dadiValore attesoProbabilità condizionataRiepilogo: probabilità al banco dei dadi

6Relazioni

Leggere i grafici a dispersioneCorrelazioneMatrice di correlazioneMappe di calore della correlazioneCorrelazione non significa causalitàRiepilogo: gelato e sole

9Scalatura delle feature

Perché scalare le featureScalatura Min-MaxStandardizzazioneStandardScalerRiepilogo: compagni di scalata

12Sfide finali

Ritardi dei treniQualità dell'ariaChimica del vinoSondaggio in clinica

Esercitati da solo: Compilatore Python online