Özellikler ve Etiketler

Coddy'nin Machine Learning Journey'sinin Veriler ve Grafikler bölümünün bir parçası. Ders 53 / 60.

Bir model girdilerden yanıtları öğrenir; bu yüzden ona iki şey verirsin: X, özellikler ve y, örnek başına bir tane olacak şekilde etiketler:

İkiye ayrılmış altı iris satırı: X, her satırda dört ölçümden oluşan açık mavi bir ızgara ve yanında y, her satır için bir etiket (0, 0, 1, 1, 2, 2) koyu mavi renkte

as_frame=True ile yüklenen bir veri kümesinde ikisi de hazırdır:

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

Bu, şunu yazdırır:

(150, 4) (150,)

X içindeki i. satır bir çiçeği, y[i] ise onun türünü temsil eder. Etiket X'in dışında kalır: yanıtı okuyabilen bir model hiçbir şey öğrenemez.

Ardından sınıfları y.value_counts() ile sayın: iris'te her sınıftan 50 tane vardır; bu, dengeli bir veri kümesidir.

Görev

Orta

scikit-learn'in el yazısı rakamları, her biri 64 piksel sayısı (özellikleri) olarak saklanan ve gösterdiği rakamla etiketlenen 8'e 8 boyutunda resimlerdir:

load_digits içindeki, iki sıra hâlinde beşer tane dizilmiş 0'dan 9'a kadar on el yazısı rakam; her biri beyaz üzerine koyu mürekkeple çizilmiş, bloklu 8'e 8 boyutunda bir resim

Bir takım arkadaşının ayırma işlemi X: (1797, 65) yazdırıyor: X hâlâ yanıtları içeriyor.

X'i yalnızca 64 piksel özelliğini içerecek şekilde düzelt.
Hazır satırlarının altına, programın okuduğu d rakamını gösteren örnek sayısını yazdır.

Girdi 3 için:

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

Kendin dene

from sklearn.datasets import load_digits

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

# Özellikler ve etiketler
X = digits.frame
y = digits.target

# Aşağıdaki satırları değiştirmeyin
print(f"X: {X.shape}")
print(f"y: {y.shape}")

# Kodunuzu aşağıya yazın