Feature a confronto con l'etichetta
Fa parte della sezione Statistica per il machine learning del percorso Machine Learning di Coddy. Lezione 58 di 64.
Quali caratteristiche si muovono insieme all’etichetta? Calcola la correlazione di ciascuna con essa, 0 per maligno e 1 per benigno, e ordinale in base all’intensità:
X.corrwith(y) restituisce subito l'r di ogni caratteristica:
X = cancer.data[cancer.feature_names[:10]]
r = X.corrwith(cancer.target)
strength = np.abs(r).sort_values(ascending=False)
for name in strength.index[:3]:
print(name, np.round(r[name], 2))Questo stampa:
mean concave points -0.78
mean perimeter -0.74
mean radius -0.73Un valore negativo di r significa che la caratteristica è maggiore nella classe 0: le cellule maligne hanno più punti concavi. np.abs ordina in base all'intensità, indipendentemente dal segno.
Vicino a 0, come la dimensione frattale, una caratteristica differisce appena tra le classi: una candidata da escludere.
Sfida
MedioQuali caratteristiche del tessuto dovrebbe provare per prime un modello? Gli input sono un gruppo, error o worst, e k; il codice iniziale inserisce le caratteristiche del gruppo in X.
- Ordina le caratteristiche in base alla forza della loro correlazione r con
y. - Stampa le prime
kcon il loro valore r con segno, con 2 decimali. - Controlla il segno: stampa le medie per classe della caratteristica più forte.
Per il gruppo mean e k = 2:
Top 2 mean features:
mean concave points: -0.78
mean perimeter: -0.74
mean concave points by class: malignant 0.09, benign 0.03Provalo tu
import numpy as np
from sklearn.datasets import load_breast_cancer
group = input()
k = int(input())
cancer = load_breast_cancer(as_frame=True)
df = cancer.frame
y = cancer.target
# Las diez características del grupo: mean, error o worst
start = {"mean": 0, "error": 10, "worst": 20}[group]
X = cancer.data[cancer.feature_names[start:start + 10]]
# Escribe tu código a continuación
Mettiti alla provaQuesta 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 consegna4Campioni e popolazioni
Popolazione e campioneLe medie campionarie varianoDistribuzione campionariaCampioni più grandi, meno rumoreRiepilogo: sondare una città7Linee di tendenza
ResiduiAdattamento dei minimi quadratiTracciare la retta di adattamentoFare previsioni con una rettaQuanto è buono l’adattamento?Riepilogo: ore di pratica10Codifica delle categorie
Categorie come numeriCodifica one-hotRaggruppamento dei numeri in intervalliRiepilogo: annunci di auto2Distribuzioni
Istogrammi di densitàForme dei datiCurva normaleRegola 68-95-99,7Punteggi ZRiepilogo: durata della batteria5Valori anomali
Diagrammi a scatolaLa regola dell'IQRLa regola dello z-scoreGestire i valori anomaliRiepilogo: anomalie dei sensori8Confrontare gruppi
Diagrammi a scatola per gruppoDifferenza tra le mediePotrebbe essere solo caso?I p-valueIl test tRiepilogo: test A/B11Esplorare un dataset
Una prima occhiataTutte le feature insiemeFeature a confronto con l'etichettaLe due feature miglioriRiepilogo: dati sul diabete3Probabilità tramite simulazione
La probabilità come frequenzaLa legge dei grandi numeriSomme dei dadiValore attesoProbabilità condizionataRiepilogo: probabilità al banco dei dadi6Relazioni
Leggere i grafici a dispersioneCorrelazioneMatrice di correlazioneMappe di calore della correlazioneCorrelazione non significa causalitàRiepilogo: gelato e soleEsercitati da solo: Compilatore Python online