Skala

Skala Fitur (Scale Features)

Ketika data anda memiliki nilai yang berbeda, bahkan menggunakan satuan ukur yang berbeda, mungkin sulit untuk dibandingkan. Berapa kilogram dibandingkan meter? atau ketinggian dibandingkan waktu?

Jawaban untuk masalah ini adalah skala. Kita dapat meng skalakan data menjadi nilai baru yang mudah dibandingkan.

Lihat tabel di bawah ini, yang disamakan dengan yang kamiRegresi MultinomialData yang digunakan di bab ini sama, tetapi kali ini, kolum Kepasaran mengandung satuan liter, bukannya ccm (1.0 bukannya 1000).

Kereta Model Kepasaran Berat 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-Klas 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

Sulit untuk membandingkan kapasitas 1.0 dengan berat 790, tetapi jika keduanya diukur ke nilai yang dapat dibandingkan, kita dapat mudah melihat berapa banyak nilai satu dibandingkan dengan nilai lain.

Ada berbagai metode pengukuran data, dalam tutorial ini, kita akan menggunakan metode yang disebut standarisasi (standardization).

Metode standarisasi menggunakan formula berikut:

z = (x - u) / s

di mana z adalah nilai baru, x adalah nilai asli, u adalah rata-rata, dan s adalah standar deviasi.

Jika mengambil data dari dataset di atas weight kolom, nilai pertama adalah 790, nilai setelah diukur adalah:

(790 - 1292.23) / 238.74 = -2.1

Jika mengambil data dari dataset di atas volume kolom, nilai pertama adalah 1.0, nilai setelah diukur adalah:

(1.0 - 1.61) / 0.38 = -1.59

Sekarang, Anda dapat membandingkan -2.1 dengan -1.59, bukannya membandingkan 790 dengan 1.0.

Anda tidak perlu melaksanakan operasi ini secara manual, modul Python sklearn memiliki nama StandardScaler() metoden, metoden ini mengembalikan objek Scaler yang memiliki metode transformasi dataset.

Contoh

Pengukuran seluruh nilai di dalam kolom Weight dan Volume:

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

Hasil:

Sila perhatikan, nilai pertama dan kedua adalah -2.1 dan -1.59, yang sejalan dengan perhitungan kami:

[[-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]

Jalankan Contoh

Ramalkan nilai CO2

Regresi MultinomialTugas bab ini adalah untuk memprediksi emisi karbon dioksida kereta hanya dengan mengetahui berat dan kapasiti kereta.

Setelah mengukur data set, harus digunakan skala penyesuaian untuk menentukan nilai prediksi:

Contoh

Ramalkan emisi karbon dioksida untuk kereta 2300 kilogram 1.3 liter:

import pandas
from sklearn import linear_model
from sklearn.preprocessing import StandardScaler
scale = StandardScaler()
df = pandas.read_csv("cars2.csv")
X = df[['Berat', 'Kapasiti']]
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)

Hasil:

[107.2087328]

Jalankan Contoh