Wszystkie cechy naraz
Część sekcji Statystyka w uczeniu maszynowym ścieżki Machine Learning w Coddy. Lekcja 57 z 64.
Trzydzieści cech wymaga trzydziestu histogramów. Łatwiej je odczytać w postaci jednej siatki małych wykresów, tak jak te cztery cechy irysa:
Pętla wypełnia siatkę wykresów: wykres i przedstawia cechę i:
names = iris.feature_names
fig, axs = plt.subplots(2, 2)
for i in range(4):
ax = axs.flat[i]
ax.hist(iris.frame[names[i]], bins=15)
ax.set_title(names[i])
fig.tight_layout()
plt.show()plt.subplots(2, 2) tworzy tabelę wykresów, a axs.flat układa je w wierszach:
fig.tight_layout() utrzymuje tytuły w odpowiednim odstępie. Teraz przeczytaj: oba histogramy płatków dzielą się na dwie części. Taka przerwa często oznacza, że jedna klasa jest oddzielona, więc zachowaj tę cechę.
Wyzwanie
ŚredniZobacz pełne dane dotyczące tkanki. Dane wejściowe wybierają grupę: mean, error lub worst, a kod początkowy umieszcza sześć pierwszych nazw cech w names.
- Utwórz siatkę z 2 wierszami i 3 kolumnami.
- Na wykresie
inarysuj histogram cechyiz 20 przedziałami i zatytułuj go jej nazwą. - Uporządkuj układ, a następnie go wyświetl.
Podobnie jak na tej siatce sześciu cech wina:
Twój program niczego nie wypisuje: Coddy opisuje każdy wykres.
Spróbuj swoich sił
import matplotlib.pyplot as plt
from sklearn.datasets import load_breast_cancer
group = input()
cancer = load_breast_cancer(as_frame=True)
df = cancer.frame
# Pierwsze sześć nazw cech z grupy: mean, error lub worst
start = {"mean": 0, "error": 10, "worst": 20}[group]
names = cancer.feature_names[start:start + 6]
# Napisz swój kod poniżej
Ta lekcja zawiera krótki quiz. Zacznij lekcję, żeby na niego odpowiedzieć i śledzić swoje postępy.
Wszystkie lekcje w sekcji Statystyka w uczeniu maszynowym
1Położenie i rozproszenie
Średnia i medianaPercentyle i kwartyleWariancja i odchylenie standardowePróba czy populacja?Najczęściej występująca wartośćPodsumowanie: czasy dostaw4Próby i populacje
Populacja i próbaŚrednie z prób się różniąRozkład próbkowaniaWiększe próby, mniej szumuPodsumowanie: ankietowanie mieszkańców2Rozkłady
Histogramy gęstościKształty danychKrzywa normalnaReguła 68-95-99,7Wyniki standaryzowane (Z-scores)Podsumowanie: czas pracy baterii5Obserwacje odstające
Wykresy pudełkoweReguła IQRReguła Z-scorePostępowanie z obserwacjami odstającymiPodsumowanie: błędy czujników8Porównywanie grup
Wykresy pudełkowe według grupRóżnica średnichCzy to może być przypadek?Wartości pTest tPodsumowanie: test A/B11Eksploracja zbioru danych
Pierwsze spojrzenieWszystkie cechy narazCechy a etykietaDwie najlepsze cechyPodsumowanie: dane dotyczące cukrzycy3Prawdopodobieństwo przez symulację
Prawdopodobieństwo jako częstośćPrawo wielkich liczbSumy oczekWartość oczekiwanaPrawdopodobieństwo warunkowePodsumowanie: szanse na stoisku z kośćmi6Relacje
Odczytywanie wykresów punktowychKorelacjaMacierz korelacjiMapy cieplne korelacjiKorelacja nie oznacza przyczynowościPodsumowanie: lody i słońcePoćwicz samodzielnie: Kompilator Python online