回顾：葡萄酒数据集
本课属于 Coddy Machine Learning 学习旅程的“数据与图表”单元。第 56 课，共 60 课。
挑战
中等实验室测量了来自三种葡萄品种的葡萄酒的 13 个化学特征。scikit-learn 提供了这些数据集，名称为 load_wine：
在训练模型之前，实验室想了解三个事实。程序会读取一个特征名称，例如 hue。使用 as_frame=True 加载葡萄酒数据，将它们拆分为 X 和 y，然后打印：
- 葡萄酒数量最多的类别，以及数量。
- 该特征平均值最高的类别。
- 该类别中，特征值高于所有葡萄酒该特征平均值的葡萄酒数量。
对于输入 malic_acid：
Most wines: class_1 (71)
Highest malic_acid: class_2
class_2 wines above the average malic_acid: 41亲手试试
from sklearn.datasets import load_wine
feature = input()
# 在下方编写你的代码
数据与图表中的所有课
自己练习： Python 在线编译器