Poznaj pingwiny

Część sekcji Uczenie nadzorowane ścieżki Machine Learning w Coddy. Lekcja 50 z 58.

W sekcji 1 poznawałeś 100 pingwinów. Ta kolonia liczy 300 pingwinów, a teraz zbudujesz model, który nada imiona. Twój model nazwie ją:

300 pingwinów zaznaczonych kropkami, długość dzioba na osi poziomej, a długość płetwy na osi pionowej: pingwiny Adeli nisko po lewej, pingwiny maskowe nisko po prawej, pingwiny białobrewe wysoko po prawej, a między nimi duża czarna gwiazda z etykietą Kim ona jest?

Każdy projekt zaczyna się od obserwacji. Ile jest osobników każdego gatunku? To ustala wynik do pobicia. Gdzie są luki? Co odróżnia od siebie gatunki?

Wykres punktowy odpowiada na ostatnie pytanie. Długość płetwy i masa pozwalają rozpoznać pingwiny Gentoo, a nie pozostałe:

Długość płetwy w zestawieniu z masą ciała kolonii: punkty Gentoo są oddalone, wysoko i po prawej, podczas gdy punkty Adelie i Chinstrap nakładają się na siebie, tworząc jedną chmurę

Model uczy się tylko tego, co pokazują pomiary, więc będzie potrzebował ich więcej niż tych dwóch.

Wyzwanie

Średni

Twoja kolonia znajduje się w pliku penguins.csv. Program odczytuje dwie kolumny z pomiarami, a kod początkowy przygotowuje ich wykres.

Wypisz wartość bazową do pobicia: największy udział gatunku, z dokładnością do 3 miejsc po przecinku, oraz nazwę tego gatunku.
Wypisz każdą kolumnę z brakującymi danymi i ich liczbę: w następnej lekcji je uzupełnisz.
Narysuj wykres punktowy dla tych dwóch kolumn, z jedną grupą na gatunek oznaczoną jego nazwą. Dodaj legendę i wyświetl wykres.

Dla mniejszej kolonii:

Baseline to beat: 0.483 (always Adelie)
Gaps to fill:
  body_mass_g: 1
  sex: 4

Następnie Coddy opisuje Twój wykres. Dla body_mass_g i bill_length_mm wygląda on tak:

Wykres punktowy zatytułowany body_mass_g vs bill_length_mm z legendą: kropki Adelie nisko i jasno, Chinstrap wysoko i jasno, Gentoo ciężkie po prawej

Spróbuj swoich sił

import pandas as pd
import matplotlib.pyplot as plt

penguins = pd.read_csv("penguins.csv")
x_col = input()
y_col = input()

# Nie zmieniaj poniższych linii
fig, ax = plt.subplots()
ax.set_title(f"{x_col} vs {y_col}")
ax.set_xlabel(x_col)
ax.set_ylabel(y_col)

# Napisz swój kod poniżej