Menu
CoddyTech

Revisão: Parceiros de escalada

Parte da seção Estatística para ML do Journey de Machine Learning da Coddy. Lição 51 de 64.

challenge icon

Desafio

Médio

Uma academia de escalada combina cada novato com o membro mais parecido. Cada linha de members representa um membro, identificado em names: altura (cm), envergadura (cm) e tempo pendurado na barra (minutos). O programa lê as medidas do novato.

  1. Encontre o membro mais próximo na tabela original.
  2. Padronize com um StandardScaler ajustado aos membros; imprima os valores padronizados do novato.
  3. Encontre novamente o membro mais próximo, nas tabelas padronizadas.

Arredonde para 2 casas decimais. Outra academia, com três membros:

Outra academia em formato de tabela: um novato e três membros, Kim, Lou e Max, com altura, envergadura e tempo pendurado. Ao lado, a distância de cada membro ao novato: sem padronização, Kim é o mais próximo, a 4.56; com padronização, Lou é o mais próximo, a 1.09

Sua saída:

Nearest before scaling: Kim (4.56)
Newcomer scaled: [[-0.38 -0.54  0.98]]
Nearest after scaling: Lou (1.09)

Experimente você mesmo

import numpy as np
from sklearn.preprocessing import StandardScaler

names = ["Iris", "Jon", "Kai", "Lena", "Max", "Nora"]
# Uma linha por integrante: altura em cm, envergadura em cm, tempo de suspensão na barra em minutos
members = np.array([[166, 169, 1.6],
                    [182, 188, 1.1],
                    [171, 170, 2.3],
                    [176, 181, 1.4],
                    [188, 191, 2.0],
                    [160, 163, 0.9]])
# O novo integrante
height = float(input())
span = float(input())
hang = float(input())

# Escreva seu código abaixo

Todas as lições de Estatística para ML

Pratique por conta própria: Compilador de Python online