Şarap Kimyası

Coddy'nin Machine Learning Journey'sinin Makine Öğrenimi için İstatistik bölümünün bir parçası. Ders 63 / 64.

Bir şarap ithalatçısı, üç üzüm çeşidinden 178 şarabı, her biri için 13 kimyasal ölçümle test etti: load_wine. Model çeşitleri öğrenmeden önce laboratuvar, cihaz kaynaklı hataları araştırıyor.

Tek bir eksende üç ham şarap ölçümünün kutu grafikleri: magnezyum yaklaşık 70 ile 162 arasında değişirken, 13 civarındaki alkol ve 1 civarındaki renk tonu altta düz çizgiler hâlinde sıkışıp kalıyor

Ölçümler çok farklı ölçeklerde yer alıyor, bu yüzden tek bir aykırı değer kuralı hepsine uymaz. Standartlaştırıldığında, her ölçüm ortalamasından kaç standart sapma uzakta olduğunu gösterir.

Bu cetvelde, her iki tarafta da 3'ten fazla uzakta olanlar ikinci kez incelenmeye değer. Ardından her bir çeşit için bir kutu, her birinin genellikle nerede yer aldığını gösterir.

Görev

Zor

Program bir özelliğin adını okur.

pandas .std() yöntemini kullanarak z-skorlarını df["z"] içinde saklayın.
Her iki tarafta da 3'ün ötesinde kalan şarapların sayısını, ardından her birini tablo sırasına göre yazdırın: indeks, değer ve z.
Her kültivarın ortalama z değerini yazdırın.
Her kültivar için bir z-skoru kutu grafiği çizin; grafikleri wine.target_names ile adlandırın, başlık olarak özelliği ve y etiketi olarak z-score kullanın.

2 ondalık basamağa yuvarlayın. color_intensity için şu çıktıyı verir:

Outliers in color_intensity: 1
Wine 158: 13.0 (z = 3.43)
class_0: 0.2
class_1: -0.85
class_2: 1.01

ve şu grafiği çizer:

color_intensity başlıklı üç color_intensity z-skoru kutu grafiği: class_0 yaklaşık 0.15'te, class_1 birkaç noktası üstünde olacak şekilde yaklaşık -0.9'da, class_2 yaklaşık 1.1'de ve bıyığı 3.43'e ulaşıyor

Ardından Coddy kutu grafiklerinizi açıklar.

Kendin dene

import numpy as np
import matplotlib.pyplot as plt
from sklearn.datasets import load_wine

feature = input()
wine = load_wine(as_frame=True)
df = wine.frame

# Kodunuzu aşağıya yazın

Kendini test et

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

Makine Öğrenimi için İstatistik bölümündeki tüm dersler

2Dağılımlar

Yoğunluk Histogramları Veri Dağılımlarının Şekilleri Normal Eğri 68-95-99,7 Kuralı Z Puanları Özet: Pil Ömrü

5Aykırı Değerler

Kutu Grafikleri IQR Kuralı Z-Skoru Kuralı Aykırı Değerleri Ele Alma Özet: Sensör Hataları

8Grupları Karşılaştırma

Gruplara Göre Kutu Grafikleri Ortalamalar Arasındaki Fark Şans Eseri Olabilir mi?P-Değerleri t-Testi Özet: A/B Testi

11Bir Veri Kümesini Keşfetmek

İlk Bakış Tüm Özellikler Bir Arada Özellikler ve Etiket En İyi İki Özellik Özet: Diyabet Verileri

Kendi başına pratik yap: Online Python derleyicisi