Menu
CoddyTech

Tüm Özellikler Bir Arada

Coddy'nin Machine Learning Journey'sinin Makine Öğrenimi için İstatistik bölümünün bir parçası. Ders 57 / 64.

Otuz özellik, otuz histogram demektir. Bunlar, şu dört iris özelliğinde olduğu gibi, küçük grafiklerden oluşan tek bir ızgarada daha hızlı okunur:

2'ye 2'lik bir ızgarada, her iris özelliği için bir tane olmak üzere dört küçük histogram: iki çanak yaprak histogramı tek tepeli, iki taç yaprak histogramının her biri solda küçük bir blok ve sağda geniş bir tepeye ayrılıyor

Bir döngü, ızgarayı her grafiğe i. özelliği yerleştirerek doldurur:

names = iris.feature_names
fig, axs = plt.subplots(2, 2)
for i in range(4):
    ax = axs.flat[i]
    ax.hist(iris.frame[names[i]], bins=15)
    ax.set_title(names[i])
fig.tight_layout()
plt.show()

plt.subplots(2, 2) grafiklerden oluşan bir tablo oluşturur ve axs.flat bunları önce 0. satır, sonra 1. satır olacak şekilde satır satır sıralar:

2 satır ve 3 sütundan oluşan bir ızgara; hücreler önce 0. satırda, ardından 1. satırda olmak üzere axs.flat 0'dan 5'e kadar numaralandırılmış ve her hücrenin altında satır ve sütun bilgisi yazılmıştır

fig.tight_layout() başlıkları birbirinden ayrı tutar. Şimdi şunu okuyalım: her iki taç yaprağı histogramı da ikiye ayrılıyor. Böyle bir boşluk çoğu zaman bir sınıfın ayrı durduğu anlamına gelir; bu yüzden bu özelliği koru.

challenge icon

Görev

Orta

Dokunun verilerine bütün olarak bakın. Girdi bir grup seçer: mean, error veya worst; başlangıç kodu bu grubun ilk altı özellik adını names içine koyar.

  1. 2 satır ve 3 sütundan oluşan bir ızgara oluşturun.
  2. i numaralı grafikte, i numaralı özelliğin 20 kutucuklu histogramını çizin ve grafiğe özelliğin adını başlık olarak verin.
  3. Düzeni iyileştirin, ardından grafiği gösterin.

Altı şarap özelliğinden oluşan bu ızgara gibi:

2 satır ve 3 sütunda altı küçük histogram; başlıkları alcohol, malic_acid, ash, alcalinity_of_ash, magnesium ve total_phenols; her biri 20 çubuklu

Programınız hiçbir şey yazdırmaz: Coddy her grafiği açıklar.

Kendin dene

import matplotlib.pyplot as plt
from sklearn.datasets import load_breast_cancer

group = input()
cancer = load_breast_cancer(as_frame=True)
df = cancer.frame
# Grubun ilk altı özellik adı: mean, error veya worst
start = {"mean": 0, "error": 10, "worst": 20}[group]
names = cancer.feature_names[start:start + 6]

# Kodunuzu aşağıya yazın
quiz iconKendini test et

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

Makine Öğrenimi için İstatistik bölümündeki tüm dersler

Kendi başına pratik yap: Online Python derleyicisi