Nhìn qua lần đầu

Thuộc phần Thống kê cho machine learning trong hành trình Machine Learning của Coddy. Bài học 56 trên 64.

Mỗi mô hình đều bắt đầu từ việc có người xem xét kỹ dữ liệu của nó. Chương này kết thúc bằng một biểu đồ như thế này: hai phép đo phân chia khối u theo lớp.

Các mẫu mô vú được biểu diễn bằng dấu chấm, giá trị trung bình của các điểm lõm trải theo chiều ngang và chu vi trung bình tăng theo chiều dọc: các mẫu lành tính tập trung ở góc dưới bên trái, còn các mẫu ác tính trải lên phía trên và sang bên phải

Bắt đầu với bốn bước kiểm tra: kích thước, dữ liệu thiếu, phạm vi giá trị và lớp. Với bộ dữ liệu wines:

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

Kết quả in ra là:

(178, 14)
0

13 đặc trưng (feature) cộng với target, và .sum().sum() cho thấy không có khoảng trống nào. df.describe() cho biết phạm vi giá trị của từng đặc trưng.

Cuối cùng là các lớp. normalize=True chuyển số lượng thành tỷ lệ:

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

Các cột thể hiện ba lớp rượu vang: class_0 33%, class_1 40%, class_2 27%, với đường nét đứt ở mức 40%, được đánh dấu là luôn chọn class_1: đúng 40%

Luôn trả lời class_1 chỉ đúng 40% số lần: đây là mốc cơ sở mà một mô hình thực sự phải vượt qua.

Thử thách

Trung bình

Thực hiện lần xem đầu tiên trên load_breast_cancer, trước khi bất kỳ mô hình nào học từ dữ liệu này. Đoạn code khởi tạo tải dữ liệu vào df và đọc tên một đặc trưng. In ra:

Kích thước và số ô bị thiếu.
Giá trị nhỏ nhất, lớn nhất và trung vị của đặc trưng, lấy từ describe().
Tỷ lệ của mỗi lớp dưới dạng phần trăm nguyên, theo thứ tự lớp.
Mốc cơ sở: tỷ lệ lớn nhất và lớp tương ứng.

Với các bông hoa iris và đầu vào petal length (cm), chương trình in ra:

Size: 150 samples, 4 features
Missing cells: 0
petal length (cm): 1.0 to 6.9, median 4.35
setosa: 33%
versicolor: 33%
virginica: 33%
Baseline: 33% by always answering setosa

Dữ liệu iris được cân bằng hoàn hảo. Dữ liệu mô có như vậy không?

Tự làm thử

from sklearn.datasets import load_breast_cancer

feature = input()
cancer = load_breast_cancer(as_frame=True)
df = cancer.frame

# Viết code của bạn bên dưới

Tự kiểm tra

Bài học này có một bài trắc nghiệm ngắn. Bắt đầu bài học để trả lời và theo dõi tiến độ.

Tất cả bài học trong Thống kê cho machine learning

Tự luyện tập: Trình biên dịch Python online