การเรียนรู้ประมาณ - การเรียงขนาด

特征缩放（Scale Features）

当您的数据拥有不同的值，甚至使用不同的度量单位时，可能很难比较它们。与米相比，公斤是多少？或者海拔比较时间呢？

这个问题的答案是缩放。我们可以将数据缩放为易于比较的新值。

请看下表，它与我们在การทดลองทบทวน在第一章中使用的数据集相同，但是这次，Volume 列包含的单位是升，而不是 ccm（1.0 而不是 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

มันยากที่จะเปรียบเทียบเรือยาว 1.0 กับน้ำหนักรถ 790 แต่หากเราทำการย่อยยาวทั้งคู่เป็นค่าที่สามารถเปรียบเทียบได้ คุณสามารถเห็นได้ง่ายว่าค่าหนึ่งมีกี่เท่าเทียบกับค่าอื่น

มีหลายวิธีที่สามารถทำการย่อยยาวข้อมูล ในบทความนี้ เราจะใช้วิธีที่เรียกว่า การทำมาตรฐาน (standardization)

วิธีการสามารถทำการทำมาตรฐานด้วยสูตรดังนี้

z = (x - u) / s

ที่ z คือค่าใหม่ คือ x คือค่าเดิม คือ u คือค่าเฉลี่ย และ s คือความเปลี่ยนแปลงมาตรฐาน

ถ้าคุณเอาข้อมูลมาจากตัวแปลงข้างต้น weight คอลัมน์ ค่าแรกของมันคือ 790 และค่าที่ปรับขนาดหลังการย่อยยาวคือ

(790 - 1292.23) / 238.74 = -2.1

ถ้าคุณเอาข้อมูลมาจากตัวแปลงข้างต้น volume คอลัมน์ ค่าแรกของมันคือ 1.0 และค่าที่ปรับขนาดหลังการย่อยยาวคือ

(1.0 - 1.61) / 0.38 = -1.59

ตอนนี้คุณสามารถเปรียบเทียบ -2.1 กับ -1.59 ได้ แทนที่จะเปรียบเทียบ 790 กับ 1.0

คุณไม่จำเป็นต้องทำการดัดแปลงนี้ด้วยตัวเอง โปรแกรม Python sklearn มีโมดูลที่ชื่อ StandardScaler() ของวิธีนี้ วิธีนี้กลับมาด้วย Scaler Object ที่มีวิธีการทำการสัมประสงค์ข้อมูลตัวแปลง

ตัวอย่าง

ยังไม่ว่าจะย่อยยาว Weight และ Volume ในคอลัมน์ทั้งหมด

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)

ผลลัพธ์：

โปรด注意ว่าค่าแรกและที่สองคือ -2.1 และ -1.59 ซึ่งเป็นค่าที่เราคำนวณไว้

[[-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]

ปฏิบัติตัวอย่าง

คาดการณ์ค่า CO2

การทดลองทบทวนงานของช่วงนี้คือการคาดการณ์ปริมาณการปล่อยคาร์บอนไดออกไซด์ของรถโดยทราบเพียงแค่น้ำหนักและปริมาณเปลือกตัว

หลังจากปรับขนาดข้อมูลตาราง ต้องใช้สัดส่วนปรับขนาดในการคาดการณ์ค่าที่ได้

ตัวอย่าง

คาดการณ์ปริมาณการปล่อยคาร์บอนไดออกไซด์ของรถที่มีน้ำหนัก 2300 กิโลกรัมและเปลือกตัว 1.3 ลิตร

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)

ผลลัพธ์：

[107.2087328]

ปฏิบัติตัวอย่าง