Atributos e rótulos

Parte da seção Dados e gráficos do Journey de Machine Learning da Coddy. Lição 53 de 60.

Um modelo aprende a partir das entradas para chegar às respostas, então você fornece duas coisas a ele: X, as características, e y, os rótulos, um por amostra:

Seis linhas de íris divididas em duas partes: X, uma grade de quatro medidas por linha em azul-claro, e y ao lado, um rótulo por linha (0, 0, 1, 1, 2, 2) em azul mais escuro

Um conjunto de dados carregado com as_frame=True já tem ambos prontos:

iris = load_iris(as_frame=True)
X = iris.data
y = iris.target
print(X.shape, y.shape)

Isso imprime:

(150, 4) (150,)

A linha i de X corresponde a uma flor, e y[i] é a espécie dela. O rótulo fica fora de X: um modelo que consegue ler a resposta não aprende nada.

Em seguida, conte as classes com y.value_counts(): iris tem 50 de cada, um conjunto de dados balanceado.

Desafio

Médio

Os dígitos manuscritos do scikit-learn são imagens de 8 por 8, cada uma armazenada como 64 números de pixels (suas características) e rotulada com o dígito que ela mostra:

Dez dígitos manuscritos de load_digits, de 0 a 9 em duas linhas de cinco, cada um uma imagem quadriculada de 8 por 8 em tinta escura sobre fundo branco

A divisão de um colega imprime X: (1797, 65): o X dele ainda contém as respostas.

Corrija X para que contenha apenas as 64 características dos pixels.
Abaixo das linhas prontas, imprima quantas amostras mostram o dígito d que o programa lê.

Para a entrada 3:

X: (1797, 64)
y: (1797,)
Samples of digit 3: 183

Experimente você mesmo

from sklearn.datasets import load_digits

digits = load_digits(as_frame=True)
d = int(input())

# As características e os rótulos
X = digits.frame
y = digits.target

# Não altere as linhas abaixo
print(f"X: {X.shape}")
print(f"y: {y.shape}")

# Escreva seu código abaixo