Za dużo cech

Część sekcji Uczenie nienadzorowane ścieżki Machine Learning w Coddy. Lekcja 24 z 51.

Ten rozdział łączy wiele funkcji w kilku. Pod jego koniec 13 pomiarów wina zamienia się w jedną mapę:

178 win na jednej mapie z dwiema nowymi cechami na osi poziomej i pionowej: trzy grupy, odmiana 1 po prawej, odmiana 2 nisko pośrodku, odmiana 3 po lewej

Po co ściskać? Wiele cech trudno nanieść na wykres, powoli się dopasowuje i często się powtarza, jak te dwie:

Łączna zawartość fenoli i flawonoidów w 178 winach: punkty układają się razem od lewego dolnego do prawego górnego rogu, przy r = 0.86

Bliźniaki powielają tę samą informację. Macierz korelacji je wykrywa, gdy r jest bliskie 1 lub -1:

wine = load_wine(as_frame=True).frame
corr = wine.corr()
print(round(corr.loc["flavanoids", "total_phenols"], 2))

To wypisuje 0.86. Zachowaj po jednym elemencie z każdej pary albo je połącz: łączenie to właśnie temat tego rozdziału.

Wyzwanie

Średni

Warsztat mydlarski mierzy 10 parametrów każdej partii mydła, a raporty stają się długie. Znajdź bliźniacze pary. Program odczytuje limit; kod początkowy tworzy corr.

Przejdź raz przez każdą parę różnych kolumn.
Wypisz każdą parę, której r ma wartość bezwzględną co najmniej równą limitowi, niezależnie od znaku, z r zaokrąglonym do 2 miejsc po przecinku.
Wypisz, ile par udało Ci się znaleźć.

Dla innego warsztatu i limitu 0.85:

lye_g and oil_g: 0.91
cure_days and water_left_pct: -0.88
Twin pairs: 2

Spróbuj swoich sił

import pandas as pd

# Warsztat mydlarski: 10 pomiarów dla każdej z 60 partii mydła
batches = pd.read_csv("soaps.csv")
limit = float(input())
corr = batches.corr()
cols = corr.columns

# Wpisz swój kod poniżej