Escalado mín-máx

Parte de la sección Estadística para ML del Journey de Machine Learning de Coddy. Lección 48 de 64.

El escalado mín-máx da a cada característica la misma importancia: en cada columna, el valor más pequeño se convierte en 0, el más grande en 1 y los demás quedan entre ambos.

Añade a una persona de 40 años que gana $80,000 y después escala los cuatro:

Las edades y los ingresos de cuatro clientes en una tabla, una flecha y después la misma tabla escalada: en cada columna, el valor más pequeño pasó a ser 0.00 y el más grande, 1.00, con un tono más oscuro; los demás quedaron entre ambos

La difusión lo hace en una sola línea, con el valor mínimo y el rango propios de cada columna:

X = np.array([[25, 52000],
              [61, 53000],
              [26, 55000],
              [40, 80000]])
lows = X.min(axis=0)
highs = X.max(axis=0)
scaled = (X - lows) / (highs - lows)

Ahora también cuenta la edad. El vecino más cercano del cliente 0 ya no es el de 61 años:

Los clientes escalados como puntos en un cuadrado de 0 a 1, con líneas desde el cliente 0: el de 26 años es el más cercano, a 0.11; el de 61 años está a 1.00 de distancia; quien gana $80,000 está a 1.08

Un valor extremo se convierte en 1 y comprime el resto cerca de 0, por lo que la normalización min-max es adecuada para columnas sin valores atípicos.

Desafío

Intermedio

Un tostador empareja cafés que se preparan de forma similar. Cada fila de beans es un café: temperatura del agua (C), tiempo de preparación (s) y cafeína (mg). El programa lee las posiciones i y j; la función inicial distance(a, b) mide la distancia entre dos muestras.

Escala beans usando min-max.
Imprime Every column from 0 to 1: y, después, la tabla escalada con 2 decimales.
Imprime la distancia entre ellos antes y después del escalado, como se muestra a continuación.

Para otros tres cafés, las posiciones 0 y 1:

Every column from 0 to 1:
[[1.   1.   0.67]
 [0.5  0.5  0.  ]
 [0.   0.   1.  ]]
Coffees 0 and 1: 63.28 apart before scaling, 0.97 after

Pruébalo tú mismo

import numpy as np


# Devuelve la distancia entre dos muestras (de Why Scale Features)
def distance(a, b):
    return np.sqrt(((a - b) ** 2).sum())


# Una fila por café: temperatura del agua en C, tiempo de preparación en segundos, cafeína en mg
beans = np.array([[88, 120, 60],
                  [96, 300, 30],
                  [86, 90, 70],
                  [94, 240, 120],
                  [90, 180, 90],
                  [84, 60, 50]])
i = int(input())
j = int(input())

# Escribe tu código a continuación

Ponte a prueba

Esta lección incluye un breve cuestionario. Empieza la lección para responderlo y registrar tu progreso.

Todas las lecciones de Estadística para ML

3Probabilidad mediante simulación

La probabilidad como frecuencia La ley de los grandes números Suma de dados Valor esperado Probabilidad condicional Repaso: probabilidades del puesto de dados

6Relaciones

Lectura de diagramas de dispersión Correlación Matriz de correlación Mapas de calor de correlación Correlación no es causalidad Repaso: helado y sol

9Escalado de características

Por qué escalar las característicasEscalado mín-máxEstandarización StandardScaler Repaso: compañeros de escalada

12Desafíos finales

Retrasos de trenes Calidad del aire Química del vino Encuesta clínica

Practica por tu cuenta: Compilador de Python online