첫 번째 살펴보기
Coddy Machine Learning 여정의 머신러닝을 위한 통계 섹션에 포함된 레슨. 64개 중 56번째.
모든 모델은 누군가 데이터를 면밀히 살펴보는 데서 시작합니다. 이 장은 다음과 같은 그림으로 마무리됩니다. 종양을 클래스별로 나누는 두 가지 측정값입니다.
네 가지를 확인하는 것으로 시작하세요: 크기, 결측값, 범위, 클래스. 와인 데이터에서는 다음과 같습니다.
wine = load_wine(as_frame=True)
df = wine.frame
print(df.shape)
print(df.isna().sum().sum())다음이 출력됩니다:
(178, 14)
013개의 특성과 target이 있으며, .sum().sum()으로 어디에도 누락된 값이 없음을 확인했습니다. df.describe()는 각 특성의 범위를 보여줍니다.
마지막으로 클래스입니다. normalize=True는 개수를 비율로 바꿉니다:
shares = df["target"].value_counts(normalize=True)항상 class_1이라고 답하면 40%의 경우 정답입니다. 이것이 실제 모델이 넘어야 할 기준선입니다.
챌린지
중급모델이 데이터를 학습하기 전에 load_breast_cancer를 먼저 살펴보세요. 시작 코드는 데이터를 df에 불러오고 특성 이름을 읽습니다. 다음을 출력하세요:
- 크기와 결측 셀 수.
describe()에서 특성의 최솟값, 최댓값, 중앙값.- 각 클래스의 비율을 정수 백분율로, 클래스 순서대로.
- 기준선: 가장 큰 비율과 해당 클래스.
붓꽃 데이터와 입력값 petal length (cm)에 대해 다음을 출력합니다:
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 setosa붓꽃 데이터는 완벽하게 균형을 이룹니다. 조직 데이터도 그럴까요?
직접 해보기
from sklearn.datasets import load_breast_cancer
feature = input()
cancer = load_breast_cancer(as_frame=True)
df = cancer.frame
# 아래에 코드를 작성하세요
실력 점검이 레슨에는 짧은 퀴즈가 포함되어 있습니다. 레슨을 시작해 문제를 풀고 진행 상황을 기록하세요.
머신러닝을 위한 통계의 모든 레슨
직접 연습해 보세요: 온라인 Python 컴파일러