Menu
CoddyTech

Yerleşik Veri Kümeleri

Coddy'nin Machine Learning Journey'sinin Veriler ve Grafikler bölümünün bir parçası. Ders 52 / 60.

Yakında modeller eğiteceksin ve bu bölüm onların verilerini hazırlıyor. ML kütüphanesi scikit-learn, bu iris çiçekleri gibi klasik veri kümelerini de beraberinde sunuyor:

iris.frame verilerinin tablo olarak altı satırı: açık mavi renkte dört ölçüm sütunu, koyu mavi renkte 0, 1 veya 2 değerini içeren bir hedef sütunu ve her sayının yanında tür adı

Tek bir satır bunları yükler. from ... import, bir modülden tek bir işlev alır; bu yüzden onu yalın adıyla çağırırsın:

from sklearn.datasets import load_iris

iris = load_iris(as_frame=True)
print(iris.frame.shape)
print(iris.target_names)

Bu çıktıyı verir:

(150, 5)
['setosa' 'versicolor' 'virginica']

as_frame=True pandas'ı ister, bu nedenle iris.frame bir DataFrame'dir ve iris.feature_names ölçümlerini listeler. target sayıları tutar; modellerin ihtiyacı olan da budur: iris.target_names[2], 2. sınıfı adlandırır.

challenge icon

Görev

Orta

Doktorlar, meme dokusu örneklerindeki hücreleri ölçtü ve her birini kötü huylu veya iyi huylu olarak etiketledi. scikit-learn bunları load_breast_cancer olarak sunar.

Program, n değerini, feature_names içindeki bir özelliğin konumunu okur.

  1. Veri kümesini as_frame=True ile yükleyin.
  2. Kaç örnek (çerçevenin satırları) ve özellik bulunduğunu, ayrıca sınıf adlarını yazdırın.
  3. n özelliğinin adını ve ortalamasını 2 ondalık basamağa yuvarlanmış olarak yazdırın.

Girdi 3 için:

Samples: 569
Features: 30
Classes: ['malignant' 'benign']
mean area: 654.89

Kendin dene

n = int(input())

# Kodunuzu aşağıya yazın
quiz iconKendini test et

Bu ders kısa bir quiz içerir. Soruları yanıtlamak ve ilerlemeni kaydetmek için derse başla.

Veriler ve Grafikler bölümündeki tüm dersler

Kendi başına pratik yap: Online Python derleyicisi