Dwie najlepsze cechy

Część sekcji Statystyka w uczeniu maszynowym ścieżki Machine Learning w Coddy. Lekcja 59 z 64.

Oto ilustracja zapowiedziana w tym rozdziale: dwie najsilniejsze cechy, czyli wartości średnie, na jednym wykresie punktowym, po jednym kolorze dla każdej klasy.

Próbki tkanek według średniej liczby wklęsłych punktów w poziomie i średniego obwodu w pionie: próbki łagodne skupiają się w lewym dolnym rogu, a złośliwe rozprzestrzeniają się w górę i w prawo; obie chmury stykają się w wąskim pasie

Łagodne próbki gromadzą się w lewym dolnym rogu, a złośliwe rozprzestrzeniają się w górę i w prawo. W miejscu, gdzie chmury się stykają, model korzystający z tej pary będzie popełniać błędy.

Jeszcze jedna kontrola: czy te dwie serie są niemal identyczne?

first = strength.index[0]
second = strength.index[1]
print(np.round(df[first].corr(df[second]), 2))

To wypisuje 0.85: są powiązane, ale nie są kopiami. Przy 0.99 druga cecha powtarzałaby pierwszą i nie wnosiłaby prawie nic nowego.

Wyzwanie

Średni

Cechy error mierzą, jak bardzo pomiar różnił się między komórkami jednej próbki. Czy dwie najsilniejsze pozwalają odróżnić klasy? Kod początkowy szereguje je i przypisuje do first oraz second; label(ax) opisuje wykres.

Wyświetl r between them: i ich r, zaokrąglone do 2 miejsc po przecinku.
Narysuj wykres punktowy dla każdej klasy, z first na osi poziomej i etykietami nazw klas.
Wywołaj label(ax), dodaj legendę i wyświetl wykres.

Na przykład dla najsilniejszej pary worst (r 0.82):

Wykres punktowy zatytułowany Cechy worst, worst concave points na osi poziomej i worst perimeter na osi pionowej, próbki złośliwe na niebiesko u góry po prawej, łagodne na pomarańczowo u dołu po lewej

Teraz oceń swój wykres: czy chmury punktów są rozdzielone? A co wynika z twojego r — czy pomiary są powielone?

Spróbuj swoich sił

import numpy as np
import matplotlib.pyplot as plt
from sklearn.datasets import load_breast_cancer

cancer = load_breast_cancer(as_frame=True)
df = cancer.frame
y = cancer.target
# Dziesięć cech błędu: jak bardzo każdy pomiar różnił się między komórkami jednej próbki
X = cancer.data[cancer.feature_names[10:20]]

# Uszeregowane według siły: first i second to dwie najsilniejsze
strength = np.abs(X.corrwith(y)).sort_values(ascending=False)
first = strength.index[0]
second = strength.index[1]


# Ustawia tytuł wykresu i nadaje osiom nazwy odpowiadające tej parze
def label(ax):
    ax.set_title("Error Features")
    ax.set_xlabel(first)
    ax.set_ylabel(second)


# 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 spojrzenie Wszystkie cechy naraz Cechy a etykietaDwie najlepsze cechyPodsumowanie: dane dotyczące cukrzycy

Poćwicz samodzielnie: Kompilator Python online