تعلم الآلة - تدريب/اختبار

Feature Scaling (Scale Features)

When your data has different values, even using different units of measurement, it may be difficult to compare them. How many kilograms is compared to meters? Or altitude compared to time?

The answer to this question is scaling. We can scale the data to new values that are easy to compare.

Please see the table below, which is consistent with what we haveالإرجاع المتعددOne set of data is used in the chapter, but this time, the unit of Volume column is liter instead of ccm (1.0 instead of 1000).

Car Model Volume Weight CO2
Toyota Aygo 1.0 790 99
Mitsubishi Space Star 1.2 1160 95
Skoda Citigo 1.0 929 95
Fiat 500 0.9 865 90
Mini Cooper 1.5 1140 105
VW Up! 1.0 929 105
Skoda Fabia 1.4 1109 90
Mercedes A-Class 1.5 1365 92
Ford Fiesta 1.5 1112 98
Audi A1 1.6 1150 99
Hyundai I20 1.1 980 99
Suzuki Swift 1.3 990 101
Ford Fiesta 1.0 1112 99
Honda Civic 1.6 1252 94
Hundai I30 1.6 1326 97
Opel Astra 1.6 1330 97
BMW 1 1.6 1365 99
Mazda 3 2.2 1280 104
Skoda Rapid 1.6 1119 104
Ford Focus 2.0 1328 105
Ford Mondeo 1.6 1584 94
Opel Insignia 2.0 1428 99
Mercedes C-Class 2.1 1365 99
Skoda Octavia 1.6 1415 99
Volvo S60 2.0 1415 99
Mercedes CLA 1.5 1465 102
Audi A4 2.0 1490 104
Audi A6 2.0 1725 114
Volvo V70 1.7 1523 109
BMW 5 2.0 1705 114
Mercedes E-Class 2.1 1605 115
Volvo XC70 2.0 1746 117
Ford B-Max 1.6 1235 104
BMW 2 1.6 1390 108
Opel Zafira 1.6 1405 109
Mercedes SLK 2.5 1395 120

من الصعب مقارنة السعة 1.0 مع الوزن 790، ولكن إذا تم تحويلهما إلى قيم قابلة للمقارنة، يمكننا بسهولة رؤية كم من القيمة مقارنة بالقيمة الأخرى.

هناك عدة طرق لتوسيع البيانات، في هذا الدليل، سنستخدم طريقة تسمى التوحيد (standardization).

يستخدم طريقة التوحيد التالية:

z = (x - u) / s

حيث z هي القيمة الجديدة، x هي القيمة الأصلية، u هي المتوسط، s هي الإشارة.

إذا تم الحصول على weight إذا كانت الأعمدة، فإن القيمة الأولى هي 790، القيمة الموسعة هي:

(790 - 1292.23) / 238.74 = -2.1

إذا تم الحصول على volume إذا كانت الأعمدة، فإن القيمة الأولى هي 1.0، القيمة الموسعة هي:

(1.0 - 1.61) / 0.38 = -1.59

الآن، يمكنك مقارنة -2.1 مع -1.59 بدلاً من مقارنة 790 مع 1.0.

لا تحتاج إلى تنفيذ هذه العملية يدويًا، يحتوي مكتبة sklearn في Python على اسم StandardScaler() الطريقة، التي تعود بجسم Scaler يحتوي على طريقة تحويل مجموعة البيانات.

مثال

توسيع القيم في أعمدة Weight و Volume:

import pandas
from sklearn import linear_model
from sklearn.preprocessing import StandardScaler
scale = StandardScaler()
df = pandas.read_csv("cars2.csv")
X = df[['Weight', 'Volume']]
scaledX = scale.fit_transform(X)
print(scaledX)

النتيجة:

يرجى الانتباه، القيمتان الاولى هما -2.1 و -1.59، وتتوافق مع حساباتنا:

[[-2.10389253  -1.59336644 ]]
 [-0.55407235  -1.07190106 ]
 [-1.52166278  -1.59336644 ]
 [-1.78973979  -1.85409913 ]
 [-0.63784641  -0.28970299 ]
 [-1.52166278  -1.59336644 ]
 [-0.76769621  -0.55043568 ]
 [ 0.3046118   -0.28970299 ]
 [-0.7551301   -0.28970299 ]
 [-0.59595938  -0.0289703 ]
 [-1.30803892  -1.33263375 ]
 [-1.26615189  -0.81116837 ]
 [-0.7551301   -1.59336644 ]
 [-0.16871166  -0.0289703 ]
 [ 0.14125238  -0.0289703 ]
 [ 0.15800719  -0.0289703 ]
 [ 0.3046118   -0.0289703 ]
 [-0.05142797  1.53542584 ]
 [-0.72580918  -0.0289703 ]
 [ 0.14962979  1.01396046 ]
 [ 1.2219378   -0.0289703 ]
 [ 0.5685001   1.01396046 ]
 [ 0.3046118   1.27469315 ]
 [ 0.51404696  -0.0289703 ]
 [ 0.51404696  1.01396046 ]
 [ 0.72348212  -0.28970299 ]
 [ 0.8281997   1.01396046 ]
 [ 1.81254495  1.01396046 ]
 [ 0.96642691  -0.0289703 ]
 [ 1.72877089  1.01396046 ]
 [ 1.30990057  1.27469315 ]
 [ 1.90050772  1.01396046 ]
 [-0.23991961  -0.0289703 ]
 [ 0.40932938  -0.0289703 ]
 [ 0.47215993  -0.0289703 ]
 [ 0.4302729   2.31762392 ]

تشغيل المثال

توقع قيمة CO2

الإرجاع المتعددالمهمة في هذا الفصل هي التنبؤ بكمية انبعاث ثاني أكسيد الكربون لمركبة معروفة فقط بوزنها و حجمها.

بعد تقليل مجموعة البيانات، يجب استخدام نسبة التقليل عند التنبؤ بالقيم المقدرة:

مثال

توقع كمية انبعاث ثاني أكسيد الكربون لسيارة وزنها 2300 كيلوغرام و حجمها 1.3 لتر:

import pandas
from sklearn import linear_model
from sklearn.preprocessing import StandardScaler
scale = StandardScaler()
df = pandas.read_csv("cars2.csv")
X = df[['Weight', 'Volume']]
y = df['CO2']
scaledX = scale.fit_transform(X)
regr = linear_model.LinearRegression()
regr.fit(scaledX, y)
scaled = scale.transform([[2300, 1.3]])
predictedCO2 = regr.predict([scaled[0]])
print(predictedCO2)

النتيجة:

[107.2087328]

تشغيل المثال