Pierwsze spojrzenie

Część sekcji Statystyka w uczeniu maszynowym ścieżki Machine Learning w Coddy. Lekcja 56 z 64.

Każdy model zaczyna się od tego, że ktoś uważnie przygląda się jego danym. Ten rozdział kończy się obrazem takim jak ten: dwa pomiary, które rozdzielają guzy według klasy.

Próbki tkanki piersi przedstawione jako kropki; średnia liczba wklęsłych punktów na osi poziomej, a średni obwód na osi pionowej: próbki łagodne skupiają się w lewym dolnym rogu, a złośliwe rozprzestrzeniają się w górę i w prawo

Zacznij od czterech kontroli: rozmiaru, braków, zakresów i klas. W przypadku win:

wine = load_wine(as_frame=True)
df = wine.frame
print(df.shape)
print(df.isna().sum().sum())

To wypisuje:

(178, 14)
0

13 cech oraz target, a .sum().sum() nie wykazało żadnych braków. df.describe() podaje zakres każdej cechy.

Na koniec klasy. normalize=True zamienia liczności na udziały:

shares = df["target"].value_counts(normalize=True)

Słupki przedstawiające trzy klasy wina: class_0 33%, class_1 40%, class_2 27%, z przerywaną linią na poziomie 40% oznaczoną jako zawsze class_1: 40% poprawnych odpowiedzi

Zawsze odpowiadając class_1, masz rację w 40% przypadków: to wartość bazowa, którą prawdziwy model musi przebić.

Wyzwanie

Średni

Przeprowadź wstępną analizę load_breast_cancer, zanim jakikolwiek model zacznie się na nim uczyć. Kod początkowy wczytuje je do df i odczytuje nazwę cechy. Wypisz:

Rozmiar i liczbę brakujących komórek.
Minimum, maksimum i medianę cechy z describe().
Udział każdej klasy w procentach zaokrąglonych do liczb całkowitych, w kolejności klas.
Wartość bazową: największy udział i jego klasa.

Dla kwiatów irysa i danych wejściowych petal length (cm) wypisuje:

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 setosa

Zbiór Iris jest idealnie zrównoważony. Czy dane tkankowe też takie są?

Spróbuj swoich sił

from sklearn.datasets import load_breast_cancer

feature = input()
cancer = load_breast_cancer(as_frame=True)
df = cancer.frame

# Napisz swój kod poniżej

Sprawdź się

Ta lekcja zawiera krótki quiz. Zacznij lekcję, żeby na niego odpowiedzieć i śledzić swoje postępy.

Wszystkie lekcje w sekcji Statystyka w uczeniu maszynowym

2Rozkłady

Histogramy gęstości Kształty danych Krzywa normalna Reguła 68-95-99,7 Wyniki standaryzowane (Z-scores)Podsumowanie: czas pracy baterii

5Obserwacje odstające

Wykresy pudełkowe Reguła IQR Reguła Z-score Postępowanie z obserwacjami odstającymi Podsumowanie: błędy czujników

8Porównywanie grup

Wykresy pudełkowe według grup Różnica średnich Czy to może być przypadek?Wartości p Test t Podsumowanie: test A/B

11Eksploracja zbioru danych

Pierwsze spojrzenieWszystkie cechy naraz Cechy a etykieta Dwie najlepsze cechy Podsumowanie: dane dotyczące cukrzycy

Poćwicz samodzielnie: Kompilator Python online