Masjienleer - Skaal
Skaal kenmerke
Wanneer jou data verskillende waardes en selfs verskillende metingseenhede het, kan dit moeilik wees om dit te vergelyk. Wat is kilogram in vergelyking met meters? Of hoogte in vergelyking met tyd?
Die antwoord op hierdie probleem is skaal. Ons kan data skaal in nuwe waardes wat makliker is om te vergelyk.
Kyk bietjie na die tabel hieronder, dit is dieselfde datastel wat ons in die meervoudige regressie hoofstuk gebruik het, maar hierdie keer bevat die volume kolom waardes in liter in plaas van cm 3 (1.0 in plaas van 1000).
Die lêer is slegs vir toetsdoeleindes bedoel, jy kan dit hier aflaai: cars2.csv
| Voertuig | Model | Volume | Gewig | CO2 |
| Toyota | Aygo | 1.0 | 790 | 99 |
| Mitsubishi | Ruimte Ster | 1.2 | 1160 | 95 |
| Skoda | Citigo | 1.0 | 929 | 95 |
| Fiat | 500 | 0,9 | 865 | 90 |
| Mini | Cooper | 1.5 | 1140 | 105 |
| VW | Op! | 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 | Burgerlik | 1.6 | 1252 | 94 |
| Hyundai | I30 | 1.6 | 1326 | 97 |
| Opel | Astra | 1.6 | 1330 | 97 |
| BMW | 1 | 1.6 | 1365 | 99 |
| Mazda | 3 | 2.2 | 1280 | 104 |
| Skoda | Vinnig | 1.6 | 1119 | 104 |
| Ford | Fokus | 2.0 | 1328 | 105 |
| Ford | Mondeo | 1.6 | 1584 | 94 |
| Opel | Kenteken | 2.0 | 1428 | 99 |
| Mercedes | C-klas | 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 | 1.6 | 1523 | 109 |
| BMW | 5 | 2.0 | 1705 | 114 |
| Mercedes | E-klas | 2.1 | 1605 | 115 |
| Volvo | XC70 | 2.0 | 1746 | 117 |
| Ford | B-Maks | 1.6 | 1235 | 104 |
| BMW | 2 | 1.6 | 1390 | 108 |
| Opel | Zafira | 1.6 | 1405 | 109 |
| Mercedes | SLK | 2.5 | 1395 | 120 |
Dit kan moeilik wees om die volume 1.0 met die gewig 790 te vergelyk, maar as ons albei in vergelykbare waardes skaal, kan ons maklik sien hoeveel een waarde met die ander vergelyk word.
Daar is verskillende metodes om data te skaal, in hierdie tutoriaal sal ons 'n metode genaamd standaardisering gebruik.
Die standaardiseringsmetode gebruik hierdie formule:
z = (x - u) / s
Waar zis die nuwe waarde,
xis die oorspronklike waarde,
uis die gemiddelde en sis die standaardafwyking.
As jy die gewigkolom uit die datastel hierbo neem, is die eerste waarde 790, en die geskaalde waarde sal wees:
(790 - ) / = -2.1
As jy die volumekolom uit die datastel hierbo neem, is die eerste waarde 1.0, en die geskaalde waarde sal wees:
(1.0 - ) / = -1.59
Nou kan jy -2.1 vergelyk met -1.59 in plaas van om 790 met 1.0 te vergelyk.
Jy hoef dit nie handmatig te doen nie, die Python sklearn-module het 'n metode genaamd StandardScaler()
wat 'n Scaler-objek terugstuur met metodes om datastelle te transformeer.
Voorbeeld
Skaal alle waardes in die Gewig- en Volume-kolomme:
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)
Resultaat:
Let daarop dat die eerste twee waardes -2.1 en -1.59 is, wat ooreenstem met ons berekeninge:
[[-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]]
Voorspel CO2-waardes
Die taak in die Hoofstuk Meervoudige Regressie was om die CO2-vrystelling van 'n motor te voorspel wanneer jy net sy gewig en volume geweet het.
Wanneer die datastel geskaal is, sal jy die skaal moet gebruik wanneer jy waardes voorspel:
Voorbeeld
Voorspel die CO2-vrystelling van 'n 1,3 liter-motor wat 2300 kilogram weeg:
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)
Resultaat:
[107.2087328]