机器学习 - 缩放

ఫీచర్ స్కేలింగ్ (Scale Features)

మీ డాటా వివిధ విలువలు కలిగి ఉండి వివిధ మెట్రిక్స్ ఉన్నప్పుడు, వాటిని పోల్చడం చాలా కష్టం కావచ్చు. మీటర్స్ తో పోల్చినప్పుడు కిలోగ్రామ్స్ ఎంతటిది? లేదా ఎత్తు సమయం తో పోల్చినప్పుడు?

ఈ ప్రశ్న యొక్క సమాధానం స్కేలింగ్ ఉంది. మాకు కొరకు సులభంగా పోల్చగలిగే కొత్త విలువలకు డాటాను స్కేలింగ్ చేయవచ్చు.

దాని మీద చూడండి, ఇది మాకుబహువిధి పునర్గణనఒక చివరిలో ఉపయోగించిన డాటాసెట్ అదే ఉంది, కానీ ఈసారినా, Volume కలం లో ఉన్న ఏకాంశం లోస్ (ccm కాకుండా లోస్ ఉంది అని 1000 కాకుండా లోస్ ఉంది).

కార్ మోడల్ వాల్యూమ్ బరువు CO2
టోయోటా అయ్గో 1.0 790 99
మిత్సుబిషి స్పేస్ స్టార్ 1.2 1160 95
Skoda సిటిగో 1.0 929 95
ఫియాట్ 500 0.9 865 90
మినీ కూపర్ 1.5 1140 105
వివీ అప్! 1.0 929 105
Skoda ఫాబియా 1.4 1109 90
Mercedes A-క్లాస్ 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

很难将排量 1.0 与车重 790 进行比较，但是如果将它们都缩放为可比较的值，我们可以很容易地看到一个值与另一个值相比有多少。

缩放数据有多种方法，在本教程中，我们将使用一种称为标准化（standardization）的方法。

标准化方法使用以下公式：

z = (x - u) / s

其中 z 是新值，x 是原始值，u 是平均值，s 是标准差。

如果从上述数据集中获取 weight 列，则第一个值为 790，缩放后的值为：

(790 - 1292.23) / 238.74 = -2.1

如果从上面的数据集中获取 volume 列，则第一个值为 1.0，缩放后的值为：

(1.0 - 1.61) / 0.38 = -1.59

现在，您可以将 -2.1 与 -1.59 相比较，而不是比较 790 与 1.0。

您不必手动执行此操作，Python sklearn 模块有一个名为 StandardScaler() ఈ పద్ధతిని ఉపయోగించి స్కేలర్ అబ్జెక్ట్ను తిరిగి అందించే మాథ్యూర్ డేటా సెట్ పద్ధతి.

ఉదాహరణ

స్క్రీన్ వెయిట్ మరియు వాల్యూమ్ కలమ్లలోని అన్ని విలువలను జారీ చేయండి:

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)

ఫలితం:

దయచేసి, మొదటి రెండు విలువలు -2.1 మరియు -1.59 మా గణనలతో అనుబంధం ఉన్నాయి:

[[-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]

ప్రతిమాణం నడుపుము

CO2 విలువను అంచనా వేయండి

బహువిధి పునర్గణనఒక పని పునర్గణన చేయడం అవసరం వాహనం యొక్క బరువు మరియు ప్రమాణం తెలియని స్థితిలో కార్బన్ డైఆక్సైడ్ ఉష్ణోగ్రతను అంచనా వేయడం.

స్కేల్ పరిమాణాన్ని ఉపయోగించి ప్రతిమాణం నడుపుము తర్వాత ప్రతిమాణం మీద ప్రతిమాణం ఉపయోగించాలి:

ఉదాహరణ

2300 కిలోగ్రాముల బరువు కలిగిన 1.3 లిటరు వాహనం యొక్క కార్బన్ డైఆక్సైడ్ ఉష్ణోగ్రతను అంచనా వేయండి:

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)

ఫలితం:

[107.2087328]

ప్రతిమాణం నడుపుము