İlk Bakış

Her model, birinin verilerine yakından bakmasıyla başlar. Bu bölüm, bunun gibi bir görselle sona eriyor: tümörleri sınıflara ayıran iki ölçüm.

Dört kontrolle başlayın: boyut, eksikler, aralıklar ve sınıflar. Şarap verileri için:

wine = load_wine(as_frame=True)
df = wine.frame
print(df.shape)
print(df.isna().sum().sum())

Bu, şunu yazdırır:

(178, 14)
0

13 özellik artı target ve .sum().sum() hiçbir yerde eksik değer bulmadı. df.describe() her özelliğin aralığını verir.

Son olarak, sınıflar. normalize=True sayımları oranlara dönüştürür:

shares = df["target"].value_counts(normalize=True)

Her zaman class_1 yanıtlamak zamanın %40’ında doğrudur: gerçek bir modelin aşması gereken temel çizgi.