복습: 씨앗 분류기

Coddy Machine Learning 여정의 지도 학습 섹션에 포함된 레슨. 58개 중 5번째.

챌린지

쉬움

이 장을 시작할 때 살펴본 씨앗을 기억하나요? 이제 씨앗 분류기를 만들어 보세요. seeds.csv에는 밀 씨앗 180개의 데이터가 들어 있습니다. 측정값 네 가지는 features에 이름이 지정되어 있고, variety도 포함되어 있습니다. 시작 코드는 새 씨앗의 데이터를 한 행짜리 표 new_seed에 읽어들입니다.

데이터를 분할하세요. random_state=0으로 4분의 1을 테스트용으로 남기고, 각 데이터 세트의 크기를 출력하세요.
훈련 데이터에서 가장 흔한 품종을 출력하세요. 이것이 기준선의 답입니다.
측정값을 사용해 k-최근접 이웃 모델을 학습시키세요. 모델의 정확도와 기준선 값을 소수점 이하 3자리까지 반올림해 출력하세요.
새 씨앗의 품종을 출력하세요.

다른 농장의 씨앗을 사용하면:

Train: 120 seeds, test: 40
Most common in training: Rosa
Accuracy: 0.925 (baseline 0.4)
New seed: Canadian

직접 해보기

import pandas as pd

# 밀 종자 180개: 측정값 4개와 품종
seeds = pd.read_csv("seeds.csv")
features = ["area_mm2", "length_mm", "width_mm", "groove_mm"]

# 실험실에서 가져온 새 종자 1개를 한 행짜리 표로 나타냄
new_seed = pd.DataFrame({
    "area_mm2": [float(input())],
    "length_mm": [float(input())],
    "width_mm": [float(input())],
    "groove_mm": [float(input())],
})

# 아래에 코드를 작성하세요