Домашнє завдання

NumPy для ML

Усе робиться на своїх даних — не на дошці оголошень із лекції. Візьми будь-яку числову таблицю, яка тобі цікава: витрати за місяць, результати матчів, характеристики ноутбуків із маркетплейсу, показники погоди. Головне, щоб у ній було щонайменше три числові колонки й одна, яку хочеться передбачити. Якщо таблиці немає — згенеруй її самостійно через np.random.default_rng(42), як ми робили в практиці.

рівень 1Рівень 1 — База

Зведи свою таблицю до форми, у якій дані приймає будь-яка бібліотека машинного навчання.

  1. Склади матрицю ознак X через np.column_stack і вектор таргета y. Приведи X до float64.
  2. Виведи X.shape, y.shape, X.dtype, X.nbytes і поясни коментарем, що означає кожне число у формі.
  3. Порахуй X.mean(axis=0), X.std(axis=0), X.min(axis=0), X.max(axis=0) і виведи їх таблицею: рядок на ознаку.
  4. Порахуй розмах = X.max(axis=0) - X.min(axis=0) і скажи словами, у скільки разів найбільший розмах більший за найменший.

Зроблено, якщо: виконується assert X.ndim == 2 and y.ndim == 1 and X.shape[0] == y.shape[0], таблиця статистик надрукована, а відношення найбільшого розмаху до найменшого виведено числом.

рівень 2Рівень 2 — Плюс

Масштабування й маски на своїх даних.

  1. Відмасштабуй X двома способами: «мінімум-розмах» (у проміжок 0…1) і стандартизацію (середнє 0, розкид 1). Обидва — одним рядком через транслювання, без циклів.
  2. Доведи assert np.allclose(...), що після першого способу мінімуми стовпців дорівнюють нулю, а максимуми — одиниці; після другого — середні нулю, а розкид одиниці.
  3. Спробуй навмисно зробити помилку: відніми від X результат X.mean(axis=1) без keepdims. Спіймай виняток через try/except ValueError і надрукуй текст помилки. Потім покажи виправлений варіант і його форму.
  4. Побудуй маску, яка ділить рядки на дві групи за якоюсь ознакою (наприклад, «дорожчі за медіану»), і порівняй середні всіх ознак у двох групах: X[маска].mean(axis=0) проти X[~маска].mean(axis=0). Знайди ознаку, яка відрізняється найсильніше.

Зроблено, якщо: усі assert проходять, текст ValueError надрукований разом із виправленням, а найконтрастніша ознака названа й різниця по ній виведена числом.

рівень 3Рівень 3 — Виклик

Поміряй усе сам і зроби висновок про межу застосовності.

  1. Напиши функцію порівняти(розмір), яка на масиві з розмір елементів міряє time.perf_counter-ом дві реалізації однієї дії — циклом і векторно — і повертає обидва часи. Візьми найкращий час із кількох прогонів.
  2. Прогони її на розмірах 1_000, 10_000, 100_000, 1_000_000 і побудуй таблицю: розмір, час циклу, час вектора, у скільки разів швидше, скільки памʼяті займає список і скільки масив.
  3. Дай відповідь на два питання словами, спираючись на свої числа:
  4. чи росте прискорення нескінченно, чи десь виходить на межу — і чому;
  5. з якого приблизно розміру різниця перестає бути «академічною» й починає впливати на те, скільки ти чекаєш перед екраном.
  6. Додатково: заміряй той самий цикл, але по масиву, а не по списку (for значення in масив). Поясни, чому він виявився повільнішим за цикл по списку.

Зроблено, якщо: таблиця з чотирьох рядків надрукована, обидві відповіді написані своїми словами з посиланням на конкретні заміряні числа, а третій замір (цикл по масиву) зроблений і пояснений.

Підказки