Pourquoi mettre les caractéristiques à l’échelle
Fait partie de la section Statistiques pour le ML du Journey Machine Learning de Coddy. Leçon 47 sur 64.
Quel client ressemble le plus à un nouveau client ? De nombreux modèles mesurent la distance entre les échantillons : mettez au carré l’écart de chaque caractéristique, additionnez-les, puis prenez la racine carrée.
Une personne de 25 ans gagnant 52 000 $ face à une personne de 61 ans gagnant 53 000 $ :
Pour un tableau entier, axis=1 additionne les carrés de chaque ligne et .argmin() trouve la ligne la plus proche :
a = np.array([25, 52000]) # âge, revenu
X = np.array([[61, 53000], # la personne de 61 ans
[26, 55000]]) # une personne de 26 ans gagnant $55,000
dists = np.sqrt(((X - a) ** 2).sum(axis=1))
print(np.round(dists, 2))
print(dists.argmin())Cela affiche :
[1000.65 3000. ]
0La personne de 61 ans est la plus proche : les dollars se comptent en nombres plus grands, donc 1 000 $ l’emportent sur 36 ans. Sans mise à l’échelle, ce sont les unités les plus grandes qui décident.
Ce chapitre donne à chaque fonctionnalité la place qu’elle mérite.
Défi
MoyenUn magasin compare des machines à laver selon leur prix ($), leur consommation d’énergie (kWh par an) et leur consommation d’eau (litres par lavage), indiqués dans features. Le programme lit les positions de deux machines, i et j. Affichez :
Squared gaps:l’écart au carré de chaque caractéristique.Distance:arrondie à 2 décimales.Dominant feature:le nom de la caractéristique ayant le plus grand écart au carré.
Pour deux autres machines :
Squared gaps: [2500 6400 1]
Distance: 94.35
Dominant feature: energyEssayez vous-même
import numpy as np
features = ["price", "energy", "water"]
# Une ligne par machine à laver : prix en dollars, consommation d’énergie en kWh par an, consommation d’eau en litres par lavage
machines = np.array([[499, 160, 48],
[349, 210, 55],
[899, 120, 42],
[529, 250, 50],
[279, 230, 60],
[749, 140, 45]])
i = int(input())
j = int(input())
# Écrivez votre code ci-dessous
Testez-vousCette leçon comprend un petit quiz. Commencez la leçon pour y répondre et suivre votre progression.
Toutes les leçons de Statistiques pour le ML
1Centre et dispersion
Moyenne et médianePercentiles et quartilesVariance et écart-typeÉchantillon ou population ?La valeur la plus fréquenteRécapitulatif : délais de livraison4Échantillons et populations
Population et échantillonLes moyennes d’échantillon varientLa distribution d’échantillonnageDes échantillons plus grands, moins de bruitRécapitulatif : sonder une ville2Distributions
Histogrammes de densitéFormes des donnéesLa courbe normaleLa règle des 68-95-99,7Scores zRécapitulatif : autonomie de la batterie5Valeurs aberrantes
Diagrammes en boîteLa règle de l’écart interquartileLa règle du score ZTraiter les valeurs aberrantesRécapitulatif : anomalies des capteurs3Les probabilités par simulation
La probabilité comme fréquenceLa loi des grands nombresSommes de désEspérance mathématiqueProbabilité conditionnelleRécapitulatif : les chances au stand de dés6Relations
Lire des nuages de pointsCorrélationMatrice de corrélationCartes thermiques de corrélationCorrélation n’est pas causalitéRécapitulatif : glace et soleil9Mise à l’échelle des caractéristiques
Pourquoi mettre les caractéristiques à l’échelleMise à l’échelle Min-MaxStandardisationStandardScalerRécapitulatif : partenaires d’escaladeEntraînez-vous par vous-même : Compilateur Python en ligne