Đặc trưng và nhãn

Thuộc phần Dữ liệu và biểu đồ trong hành trình Machine Learning của Coddy. Bài học 53 trên 60.

Mô hình học từ đầu vào đến câu trả lời, vì vậy bạn đưa cho nó hai thứ: X, các đặc trưng, và y, các nhãn, mỗi mẫu có một nhãn:

Sáu hàng dữ liệu hoa diên vĩ được chia thành hai phần: X, một lưới gồm bốn số đo cho mỗi hàng màu xanh nhạt, và y bên cạnh, mỗi hàng có một nhãn (0, 0, 1, 1, 2, 2) màu xanh đậm hơn

Một bộ dữ liệu được tải bằng as_frame=True có sẵn cả hai:

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

Kết quả in ra là:

(150, 4) (150,)

Hàng i của X là một bông hoa, còn y[i] là loài hoa đó. Nhãn không nằm trong X: mô hình có thể đọc đáp án thì chẳng học được gì.

Sau đó, hãy đếm số lượng của từng lớp bằng y.value_counts(): bộ dữ liệu iris có 50 mẫu thuộc mỗi lớp, đây là bộ dữ liệu cân bằng.

Thử thách

Trung bình

Các chữ số viết tay trong scikit-learn là những hình ảnh kích thước 8 x 8, mỗi hình được lưu dưới dạng 64 số pixel (các đặc trưng) và được gắn nhãn bằng chữ số xuất hiện trong hình:

Mười chữ số viết tay từ load_digits, từ 0 đến 9, thành hai hàng, mỗi hàng năm chữ số, mỗi chữ số là một hình ảnh dạng khối kích thước 8 x 8 với mực đậm trên nền trắng

Phần chia dữ liệu của một đồng đội in ra X: (1797, 65): X của họ vẫn chứa các đáp án.

Sửa X để nó chỉ chứa 64 đặc trưng pixel.
Bên dưới các dòng đã chuẩn bị sẵn, hãy in số mẫu hiển thị chữ số d mà chương trình đọc vào.

Với đầu vào 3:

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

Tự làm thử

from sklearn.datasets import load_digits

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

# Các đặc trưng và nhãn
X = digits.frame
y = digits.target

# Đừng thay đổi các dòng bên dưới
print(f"X: {X.shape}")
print(f"y: {y.shape}")

# Viết code của bạn bên dưới