Dígitos de Relance

Parte da seção Dados e gráficos do Journey de Machine Learning da Coddy. Lição 59 de 60.

load_digits contém 1.797 dígitos escritos à mão. Cada amostra consiste em 64 valores de brilho dos pixels, linha após linha de uma imagem de 8 por 8, de 0 (em branco) a 16 (tinta completa).

Dois escritores não desenham um 4 da mesma maneira:

Dez 4s escritos à mão de load_digits em duas fileiras de cinco, em tinta branca sobre fundo preto, cada um inclinado e com um formato um pouco diferente

Um professor quer o típico: a imagem média, em que cada pixel é a média daquele pixel em todas as amostras do dígito.

Desafio

Difícil

O programa lê um dígito d. Carregue os dígitos sem as_frame, para que .data e .target sejam arrays do NumPy.

Calcule a imagem média do dígito d.
Imprima a linha e a coluna do pixel mais brilhante, contando a partir de 0.
Imprima a intensidade média da tinta: a média das médias dos 64 pixels, arredondada para 2 casas decimais com np.round.
Desenhe-o como uma imagem de 8 por 8 em gray, com o título Average e o dígito.

A sua imagem deve ficar assim, para 4:

Uma imagem cinza de 8 por 8 com o título Average 4: um 4 branco suave e borrado sobre fundo preto, mais brilhante onde a maioria das pessoas cruza o traço

Para a entrada 4, a saída completa é:

Brightest pixel: row 5, column 4
Average ink: 4.85
Charts drawn: 1
Title: Average 4
Images: 1
Size: 8 rows, 8 columns
Color map: gray
Row 0: [0.0, 0.0, 0.5, 7.1, 11.5, 2.0, 0.2, 0.1]
Row 1: [0.0, 0.1, 3.5, 13.3, 8.5, 2.0, 1.1, 0.3]
Row 2: [0.0, 0.7, 10.5, 11.4, 4.9, 5.8, 3.8, 0.3]
Row 3: [0.0, 4.6, 14.5, 6.4, 7.4, 10.6, 6.1, 0.0]
Row 4: [0.0, 8.6, 14.6, 9.7, 13.0, 14.0, 5.3, 0.0]
Row 5: [0.1, 6.3, 11.3, 12.4, 14.6, 10.4, 1.6, 0.0]
Row 6: [0.1, 1.1, 2.9, 7.8, 13.5, 4.2, 0.0, 0.0]
Row 7: [0.0, 0.0, 0.6, 7.8, 11.8, 2.0, 0.0, 0.0]

Experimente você mesmo

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

d = int(input())

# Escreva seu código abaixo

Teste seus conhecimentos

Esta lição inclui um quiz rápido. Comece a lição para respondê-lo e acompanhar seu progresso.

Todas as lições de Dados e gráficos

1Introdução

Olá, Machine Learning O que é um modelo?Importando bibliotecas Seu primeiro gráfico

4Moldando dados

Remodelando arrays Unindo arrays Números aleatórios Revisão: simulação de dados

7DataFrames do pandas

Series DataFrames Lendo arquivos CSV Inspecionando os dados Selecionando colunas Revisão: avaliações de filmes

10Plotando DataFrames

Plotando um DataFrame Dispersão a partir de colunas Uma cor por grupo Histograma de uma coluna Revisão: vendas do café

2Arrays do NumPy

Criando arrays Forma e tamanho Intervalos de números Indexação e fatiamento Revisão: grade de temperaturas

5Gráficos de Linhas e Dispersão

Rótulos e Títulos Gráficos de Dispersão Várias Linhas e Legendas Cores e Marcadores Figuras e Eixos Revisão: Passos Semanais

8Filtragem e Ordenação

Selecionando Linhas Filtrando Linhas Ordenando Valores Novas Colunas Revisão: Principais Produtos

11Conjuntos de dados para ML

Conjuntos de dados integrados Atributos e rótulos Explorando por classe Visualizando as classes Revisão: conjunto de dados Wine

3Matemática com Arrays

Operações matemáticas em arrays inteiros Estatísticas resumidas Estatísticas por eixo Broadcasting Máscaras booleanas Revisão: notas das provas

6Gráficos para Dados

Gráficos de barras Histogramas Vários gráficos em um só Imagens como arrays Revisão: Relatório de chuvas

9Agrupamento e Limpeza

Contagem de Valores Agrupamento de Dados Vários Resumos Valores Ausentes Revisão: Resultados da Pesquisa

12Desafios Finais

Relatório de Vendas Leituras do SensorDígitos de RelanceExplorador de Pinguins

Pratique por conta própria: Compilador de Python online