振り返り：鳥のさえずり

CoddyのMachine Learningジャーニー「教師なし学習」セクションの一部。レッスン 28/51。

チャレンジ

中級

あるバードウォッチャーが、4種の鳥の歌を160曲記録し、それぞれについて7つの測定値を取りました。この章の冒頭で扱ったワインのように、これらを1つのマップにまとめましょう。

測定値をスケーリングし、すべての成分を保持する PCA() を適合させ、その fit_transform の出力を points に保存します。
最初の2つの成分が保持するばらつきの割合を小数点以下3桁で、また90%に達するのに必要な成分数を表示します。
最初の2つの成分を散布図にし、種ごとに1つのグループとして、その名前をラベルに付け、凡例を付けます。表示してください。

別のバードウォッチャーの場合：

First two keep: 0.818
Components for 90%: 4

「Bird Songs in 2D」というタイトルのグラフ。横軸が第1成分、縦軸が第2成分で、クロウタドリ、ズアオアトリ、コマドリ、ミソサザイの歌がそれぞれ別の色のグループで示され、凡例が付いている

Coddyがあなたのマップを説明します。最もよく似た歌を歌う2種はどれでしょうか？

自分で試してみよう

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

# バードウォッチャーの記録：160曲のさえずりそれぞれについての7つの測定値と、鳴いた鳥の種
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")

# 以下にコードを書いてください