Explorando por classe

Parte da seção Dados e gráficos do Journey de Machine Learning da Coddy. Lição 54 de 60.

Qual medida permite identificar uma espécie? Coloque cada flor em uma linha de acordo com o comprimento de suas pétalas, uma linha por espécie:

Flores de íris dispostas de acordo com o comprimento das pétalas, uma linha por espécie: setosa agrupada perto de 1.5 cm, versicolor perto de 4.3 cm e virginica perto de 5.6 cm, com a média de cada classe marcada por uma barra preta

groupby no rótulo calcula essas médias:

df = iris.frame
means = df.groupby("target")["petal length (cm)"].mean()
print(means)

Isso imprime:

target
0    1.462
1    4.260
2    5.552
Name: petal length (cm), dtype: float64

As classes ficam bem afastadas, então o comprimento da pétala separa as classes: um modelo vai se apoiar nele.

Uma razão indica o quanto: means[2] / means[1] é cerca de 1.3. Quanto mais distante de 1, melhor a característica distingue essas duas classes.

Desafio

Médio

Qual medida celular indica que uma amostra é maligna? Em load_breast_cancer, a classe 0 é maligna e a classe 1 é benigna. O código inicial lê alguns nomes de características em features.

Para cada característica, imprima sua média para amostras malignas dividida por sua média para amostras benignas, arredondada para 2 casas decimais com round.
Após o loop, indique a característica com a maior proporção.

Para as características worst radius e worst texture:

worst radius: malignant is 1.58 times benign
worst texture: malignant is 1.25 times benign
Best separator: worst radius

Experimente você mesmo

from sklearn.datasets import load_breast_cancer

cancer = load_breast_cancer(as_frame=True)

# As características a serem comparadas
n = int(input())
features = []
for i in range(n):
    features.append(input())

# Escreva seu código abaixo