Riepilogo: canti degli uccelli

Fa parte della sezione Apprendimento non supervisionato del percorso Machine Learning di Coddy. Lezione 28 di 51.

Sfida

Medio

Un appassionato di birdwatching ha registrato 160 canti di quattro specie, con 7 misurazioni ciascuno. Rappresentali su un'unica mappa, come i vini che hanno aperto questo capitolo.

Scala le misurazioni e adatta un PCA() che mantenga ogni componente; conserva il suo output di fit_transform in points.
Stampa la quota di variabilità mantenuta dalle prime due componenti, con 3 decimali, e il numero di componenti necessario per raggiungere il 90%.
Rappresenta con un grafico a dispersione le prime due componenti, un gruppo per specie etichettato con il suo nome, e una legenda. Mostralo.

Per un altro appassionato di birdwatching:

First two keep: 0.818
Components for 90%: 4

Un grafico intitolato Canti degli uccelli in 2D, con la prima componente sull'asse orizzontale e la seconda su quello verticale: quattro gruppi di canti, merlo, fringuello, pettirosso e scricciolo, ciascuno con un colore diverso e una legenda

Coddy descrive la tua mappa. Quali due specie cantano in modo più simile?

Provalo tu

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
from sklearn.preprocessing import StandardScaler
from sklearn.decomposition import PCA

# Le registrazioni di un osservatore di uccelli: 7 misurazioni per ciascuno dei 160 canti e la specie dell'uccello che canta
songs = pd.read_csv("songs.csv")
X = songs.drop(columns="species")

fig, ax = plt.subplots()
ax.set_title("Bird Songs in 2D")
ax.set_xlabel("First component")
ax.set_ylabel("Second component")

# Scrivi il tuo codice qui sotto