와인의 화학
Coddy Machine Learning 여정의 머신러닝을 위한 통계 섹션에 포함된 레슨. 64개 중 63번째.
와인 수입업자가 세 가지 포도 품종의 와인 178종을 검사했으며, 각 와인에서 13가지 화학 수치를 측정했습니다: load_wine. 모델이 포도 품종을 학습하기 전에, 실험실에서는 측정 장비의 오류를 찾아봅니다.
측정값들은 서로 매우 다른 척도를 사용하므로, 모든 측정값에 적합한 단일 이상치 규칙은 없습니다. 표준화하면 각 측정값은 평균으로부터의 표준편차 수로 나타납니다.
그 눈금자에서 양쪽으로 3을 넘게 벗어나면 다시 살펴볼 만합니다. 품종별 상자는 각 품종이 일반적으로 어디에 위치하는지 보여 줍니다.
챌린지
어려움프로그램은 특성의 이름을 읽습니다.
- pandas의
.std()를 사용하여 z 점수를df["z"]에 저장합니다. - 양쪽 방향으로 3을 초과하는 와인의 개수를 출력한 다음, 표의 순서대로 각 와인의 인덱스, 측정값, z 점수를 출력합니다.
- 각 품종의 평균 z 점수를 출력합니다.
- 품종마다 z 점수 상자 그림을 하나씩 그립니다.
wine.target_names를 이름으로 사용하고, 특성을 제목으로,z-score를 y축 레이블로 사용합니다.
소수점 이하 2자리까지 반올림합니다. color_intensity의 경우 다음을 출력합니다.
Outliers in color_intensity: 1
Wine 158: 13.0 (z = 3.43)
class_0: 0.2
class_1: -0.85
class_2: 1.01그리고 다음 그림을 그립니다.
그러면 Coddy가 상자 그림을 설명합니다.
직접 해보기
import numpy as np
import matplotlib.pyplot as plt
from sklearn.datasets import load_wine
feature = input()
wine = load_wine(as_frame=True)
df = wine.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