تنظیم یادگیری ماشین

مقیاس‌دهی ویژگی‌ها (Scale Features)

وقتی داده‌های شما دارای مقادیر مختلفی هستند، حتی با واحدهای اندازه‌گیری مختلف، ممکن است مقایسه آن‌ها دشوار باشد. کیلوگرم در مقایسه با متر چطور است؟ یا ارتفاع در مقایسه با زمان؟

جواب این سوال مقیاس‌پذیری است. می‌توانیم داده‌ها را به مقیاس‌پذیری جدیدی تبدیل کنیم.

لطفاً جدول زیر را ببینید، که با آن مابرگشت به پیشیندر این فصل از داده‌های مشابه استفاده شده است، اما این بار، واحد‌های Column Volume به لیتر تبدیل شده‌اند، نه ccm (1000 به جای 1.0).

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

دشوار است که حجم 1.0 را با وزن 790 مقایسه کنیم، اما اگر هر دو را به مقادیر قابل مقایسه تبدیل کنیم، می‌توانیم به راحتی ببینیم که مقادیر چقدر با یکدیگر تفاوت دارند.

روش‌های مختلفی برای تنظیم داده‌ها وجود دارد، در این آموزش، ما از روشی به نام استانداردسازی (standardization) استفاده خواهیم کرد.

روش استانداردسازی از فرمول زیر استفاده می‌کند:

z = (x - u) / s

که در آن z مقادیر جدید، x مقادیر اولیه، u میانگین و s انحراف معیار است.

اگر از مجموعه داده‌های بالا مقادیر weight اگر در ستون‌ها، اولین مقادیر 790 باشند، مقادیر بعد از تنظیم:

(790 - 1292.23) / 238.74 = -2.1

اگر از مجموعه داده‌های بالا مقادیر volume اگر در ستون‌ها، اولین مقادیر 1.0 باشند، مقادیر بعد از تنظیم:

(1.0 - 1.61) / 0.38 = -1.59

حالا می‌توانید -2.1 را با -1.59 مقایسه کنید، نه با 790 و 1.0.

شما نمی‌بایستی این عمل را به صورت دستی انجام دهید، ماژول sklearn Python یک نام دارد StandardScaler() روشی که با استفاده از آن شیء Scaler با روش تبدیل داده‌های مجموعه داده بازمی‌گردد.

پس از کوچک کردن مجموعه داده‌ها، باید از مقیاس‌بندی استفاده شود تا نتایج پیش‌بینی شده را بدست آوریم:

تنظیم تمامی مقادیر Weight و Volume در ستون‌ها:

پیش‌بینی میزان انتشار دی‌اکسید کربن یک خودروی 2300 کیلوگرم با گنجایش 1.3 لیتر:
import pandas
از sklearn import linear_model
از sklearn.preprocessing import StandardScaler
scale = StandardScaler()
df = pandas.read_csv("cars2.csv")
y = df['CO2']
print(scaledX)

print(predictedCO2)

لطفا توجه داشته باشید که دو اولین مقدار -2.1 و -1.59 با محاسبات ما مطابقت دارند:

[[-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]

[107.2087328]

预测 CO2 值

برگشت به پیشینپیش‌بینی مقدار CO2

یک ماموریت در این فصل این است که با توجه به وزن و گنجایش خودرو، میزان انتشار دی‌اکسید کربن آن را پیش‌بینی کنیم.

پس از کوچک کردن مجموعه داده‌ها، باید از مقیاس‌بندی استفاده شود تا نتایج پیش‌بینی شده را بدست آوریم:

مثال

پیش‌بینی میزان انتشار دی‌اکسید کربن یک خودروی 2300 کیلوگرم با گنجایش 1.3 لیتر:
import pandas
از sklearn import linear_model
از 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)

نتیجه:

[107.2087328]