Powtórka: ptasie śpiewy

Część sekcji Uczenie nienadzorowane ścieżki Machine Learning w Coddy. Lekcja 28 z 51.

Wyzwanie

Średni

Obserwator ptaków nagrał 160 śpiewów czterech gatunków, po 7 pomiarów każdy. Zredukuj je do jednej mapy, tak jak w przypadku win, od których rozpoczął się ten rozdział.

Przeskaluj pomiary i dopasuj PCA(), zachowując wszystkie składowe; wynik fit_transform zapisz w points.
Wypisz udział zmienności zachowany przez dwie pierwsze składowe, z dokładnością do 3 miejsc po przecinku, oraz liczbę składowych potrzebnych do osiągnięcia 90%.
Utwórz wykres punktowy dwóch pierwszych składowych, z jedną grupą dla każdego gatunku, oznaczoną jego nazwą, i z legendą. Wyświetl go.

Dla innego obserwatora ptaków:

First two keep: 0.818
Components for 90%: 4

Wykres zatytułowany Śpiew ptaków w 2D, pierwsza składowa na osi poziomej, a druga na pionowej: cztery grupy śpiewów — kosa, zięby, rudzika i strzyżyka — każda w innym kolorze, z legendą

Coddy opisuje twoją mapę. Które dwa gatunki śpiewają najbardziej podobnie?

Spróbuj swoich sił

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
from sklearn.preprocessing import StandardScaler
from sklearn.decomposition import PCA

# Nagrania obserwatora ptaków: 7 pomiarów dla każdego ze 160 śpiewów oraz gatunek śpiewającego ptaka
songs = pd.read_csv("songs.csv")
X = songs.drop(columns="species")

fig, ax = plt.subplots()
ax.set_title("Bird Songs in 2D")
ax.set_xlabel("First component")
ax.set_ylabel("Second component")

# Napisz swój kod poniżej