ਮਸ਼ੀਨ ਸਿੱਖਿਆ - ਸਕੇਲਿੰਗ

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。

ਕੇਵਲ ਇਹ ਸਾਰੀਆਂ ਸ਼ਾਮਲ ਕਰਨ ਦੇਖੋ, ਜੋ ਅਸੀਂਬਹੁਪੱਖੀ ਪ੍ਰਤੀਕਰਮਇਸ ਖੰਡ ਵਿੱਚ ਵਰਤੇ ਗਏ ਡਾਟਾ ਸੈੱਟ ਇੱਕੋ ਹੀ ਹਨ, ਲੇਕਿਨ ਇਸ ਵਾਰ, Volume ਕੋਲ ਇਕਾਈ ਲੀਟਰ ਹੈ, ਨਹੀਂ ਕਿ ccm (1.0 ਨਹੀਂ ਕਿ 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

1.0 ਦੀ ਹੱਡੀ 790 ਨਾਲ ਤੋਲਣਾ ਮੁਸ਼ਕਿਲ ਹੈ, ਪਰ ਜੇਕਰ ਦੋਵੇਂ ਨੂੰ ਤੋਲਣ ਵਾਲੇ ਮੁੱਲ ਵਿੱਚ ਤੋਲਣ ਤਾਂ ਅਸੀਂ ਸਹਿਜ ਤੌਰ 'ਤੇ ਇੱਕ ਮੁੱਲ ਨੂੰ ਦੂਜੇ ਦੇ ਨਾਲ ਕਿਤਨਾ ਤੋਲਣ ਸਕਦੇ ਹਾਂ。

ਸਕੇਲਡ ਕਰਨ ਦੇ ਵੱਖ-ਵੱਖ ਤਰੀਕੇ ਹਨ, ਇਸ ਟਿੂਟੋਰੀਅਲ ਵਿੱਚ ਅਸੀਂ ਇੱਕ ਨਾਮ ਵਾਲਾ ਤਰੀਕਾ ਵਰਤਾਂਗੇ ਜਿਸ ਨੂੰ ਸਟੈਂਡਰਡਾਈਜ਼ੇਸ਼ਨ (standardization) ਕਿਹਾ ਜਾਂਦਾ ਹੈ。

ਸਟੈਂਡਰਡਾਈਜ਼ੇਸ਼ਨ ਮੈਥਡ ਨੂੰ ਹੇਠ ਲਿਖੇ ਫਾਰਮੂਲੇ ਦੀ ਵਰਤੋਂ ਕੀਤੀ ਜਾਂਦੀ ਹੈ:

z = (x - u) / s

ਜਿੱਥੇ z ਨਵਾਂ ਮੁੱਲ ਹੈ, x ਮੂਲ ਮੁੱਲ ਹੈ, u ਔਸਤ ਹੈ, s ਮਾਪਦੰਡ ਹੈ。

ਜੇਕਰ ਤੁਸੀਂ ਉੱਪਰੋਕਤ ਡਾਟਾ ਸੈੱਟ ਤੋਂ weight ਕਾਲ ਤੋਂ ਮੁੱਲ ਲੈਂਦੇ ਹੋ

(790 - 1292.23) / 238.74 = -2.1

ਜੇਕਰ ਤੁਸੀਂ ਉੱਪਰੋਕਤ ਡਾਟਾ ਸੈੱਟ ਤੋਂ volume ਕਾਲ, ਪਹਿਲਾ ਮੁੱਲ 1.0 ਹੈ, ਸਕੇਲਡ ਮੁੱਲ ਇਹ ਹੈ:

(1.0 - 1.61) / 0.38 = -1.59

ਹੁਣ, ਤੁਸੀਂ -2.1 ਨੂੰ -1.59 ਨਾਲ ਤੋਲਣ ਸਕਦੇ ਹੋ, ਨਹੀਂ ਕਿ 790 ਨੂੰ 1.0 ਨਾਲ ਤੋਲਣ ਸਕਦੇ ਹੋ。

ਤੁਸੀਂ ਇਹ ਹੱਥ ਨਾਲ ਕਰਨਾ ਨਹੀਂ ਪਵੇਗੇ, Python sklearn ਮੌਡਿਊਲ ਵਿੱਚ ਇੱਕ ਨਾਮ ਹੈ StandardScaler() ਦੇ ਤਰੀਕੇ, ਇਹ ਤਰੀਕਾ Scaler ਆਬਜਦ ਨੂੰ ਵਾਪਸ ਦਿੰਦਾ ਹੈ ਜੋ ਟਰਾਂਸਫਾਰਮਡ ਡਾਟਾ ਸੈੱਟ ਮੈਥਡ ਦਾ ਵਾਪਸ ਦਿੰਦਾ ਹੈ。

ਮਾਮਲਾ

ਸਾਰੇ Weight ਅਤੇ Volume ਕਾਲਾਂ ਦੇ ਸਭ ਮੁੱਲਾਂ ਨੂੰ ਜਾਰੀ ਕਰੋ:

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)

ਨਤੀਜਾਂ:

ਕਿਰਪਾ ਕਰਕੇ ਪਹਿਲੇ ਦੋ ਮੁੱਲ -2.1 ਅਤੇ -1.59 ਸਾਡੇ ਕੈਲਕੂਲੇਸ਼ਨ ਨਾਲ ਪ੍ਰਤੀਕਿਰਿਆ ਕਰਦੇ ਹਨ:

[[-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]

ਇੰਸਟੈਂਸ ਚਲਾਓ

CO2 ਮੁੱਲ ਅਨੁਮਾਨਿਤ ਕਰੋ

ਬਹੁਪੱਖੀ ਪ੍ਰਤੀਕਰਮਇੱਕ ਮਿਸ਼ਨ ਹੈ ਕਿ ਕੇਵਲ ਕਾਰ ਦੀ ਭਾਰ ਅਤੇ ਇੰਸਪੈਕਟਰ ਜਾਣਦੇ ਹੋਏ ਉਸ ਦੇ ਕਾਰਬਨ ਡਾਈਆਕਸਾਈਡ ਨਿਕਾਸ ਨੂੰ ਅਨੁਮਾਨਿਤ ਕਰੋ。

ਸਕੇਲ ਕੀਤੀ ਗਈ ਡਾਟਾ ਸੈੱਟ ਦੇ ਪਿੱਛੇ ਅਨੁਮਾਨ ਕਰਨ ਲਈ ਸਕੇਲਿੰਗ ਪ੍ਰੋਪਰਸ਼ਨ ਦੀ ਵਰਤੋਂ ਕਰਨੀ ਜ਼ਰੂਰੀ ਹੈ:

ਮਾਮਲਾ

ਇੱਕ 2300 ਕਿਲੋਗ੍ਰਾਮ ਦੇ 1.3 ਲਿਟਰ ਦੇ ਕਾਰ ਦੇ ਕਾਰਬਨ ਡਾਈਆਕਸਾਈਡ ਨਿਕਾਸ ਅਨੁਮਾਨਿਤ ਕਰੋ:

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)

ਨਤੀਜਾਂ:

[107.2087328]

ਇੰਸਟੈਂਸ ਚਲਾਓ