振り返り：糖尿病データ
CoddyのMachine Learningジャーニー「機械学習のための統計」セクションの一部。レッスン 60/64。
チャレンジ
中級442人の糖尿病患者の10項目の測定値は、すでに0付近の小さな数値にスケーリングされています。また、ラベルは数値で、1年後に病気がどれだけ進行したかを示します。
load_diabetesをas_frame=Trueで読み込みます。プログラムは医師が尋ねる特徴量を読み取ります。次を出力してください。
- まず患者数と欠損セル数を確認します。
- ラベルの平均値と中央値を小数第1位まで。
- 最も強い特徴量と符号付きのrを小数第2位まで。
- 尋ねられた特徴量から求めた直線の傾きと切片を小数第1位まで、R squaredを小数第2位まで。
架空のクリニックで、入力がageの場合：
Patients: 300
Missing cells: 0
Progression: mean 118.6, median 118.0
Strongest feature: s2 (r = -0.75)
Line for age: slope 127.6, intercept 118.6
R squared: 0.011つの特徴量で説明できるのは一部です。セクション3では、モデルが10個すべてを一度に使います。
自分で試してみよう
import numpy as np
from sklearn.datasets import load_diabetes
feature = input()
# 以下にコードを書いてください
機械学習のための統計のすべてのレッスン
自分で練習してみよう: Pythonオンラインコンパイラ