Standardisasi

Termasuk bagian Statistik untuk ML dalam perjalanan Machine Learning di Coddy. Pelajaran 49 dari 64.

Banyak model belajar paling baik ketika setiap fitur berpusat di 0 dengan sebaran 1. Standardisasi melakukan hal itu: setiap nilai menjadi z-score dalam kolomnya.

Lima labu, berat dalam kg dan lebar dalam cm:

Dua baris titik pada satu penggaris dalam satuan simpangan baku: lima berat labu dari 8 hingga 40 kg dan lima lebar dari 30 hingga 65 cm, masing-masing berpusat pada rata-ratanya sendiri di 0, semuanya berada antara -1.6 dan 1.6

Broadcasting menstandarkan setiap kolom sekaligus:

pumpkins = np.array([[30, 60],
                     [8, 30],
                     [22, 55],
                     [40, 65],
                     [15, 40]])
z = (pumpkins - pumpkins.mean(axis=0)) / pumpkins.std(axis=0)
print(np.round(z.mean(axis=0), 2))
print(np.round(z.std(axis=0), 2))

Hasilnya:

[0. 0.]
[1. 1.]

Bulatkan sebelum kamu memeriksa: tanpa pembulatan, mean 0 dapat tercetak sebagai 2.22044605e-17, sedikit kesalahan pembulatan.

Berbeda dengan min-max, tidak ada rentang tetap: sebagian besar nilai berada di antara -2 dan 2.

Tantangan

Sedang

Sebuah peternakan sapi perah menemukan sapi yang tidak biasa. Setiap baris pada cows mewakili seekor sapi: produksi susu (liter per hari), berat (kg), dan usia (tahun), yang namanya tercantum dalam features. Program membaca posisi sapi k.

Lengkapi standardize(X). Baris pemeriksaan kemudian mencetak [0. 0. 0.] dan [1. 1. 1.].
Temukan skor-z sapi k yang paling jauh dari 0, abaikan tandanya, lalu cetak seperti di bawah, dengan 2 angka desimal.

Untuk sapi di peternakan lain:

Column means: [0. 0. 0.]
Column stds: [1. 1. 1.]
Cow 2 stands out by weight: 1.76 std above the herd

Coba sendiri

import numpy as np

features = ["milk", "weight", "age"]
# Satu baris untuk setiap sapi: susu dalam liter per hari, berat dalam kg, usia dalam tahun
cows = np.array([[28, 610, 6],
                 [22, 540, 3],
                 [35, 680, 6],
                 [31, 590, 9],
                 [19, 650, 4],
                 [26, 520, 2],
                 [30, 600, 7]])
k = int(input())


# Mengembalikan X dengan setiap kolom distandardisasi: rata-rata 0 dan simpangan baku 1
def standardize(X):
    # Ganti baris di bawah ini dengan kode standardisasi
    return X


# Jangan ubah tiga baris di bawah ini: baris-baris itu memeriksa fungsimu
z = standardize(cows)
print("Column means:", np.round(z.mean(axis=0), 2))
print("Column stds:", np.round(z.std(axis=0), 2))

# Tulis kodemu di bawah ini: apa yang menonjol dari sapi k

Uji dirimu

Pelajaran ini berisi kuis singkat. Mulai pelajarannya untuk menjawab kuis dan melacak progresmu.

Semua pelajaran di Statistik untuk ML

3Probabilitas melalui Simulasi

Probabilitas sebagai Frekuensi Hukum Bilangan Besar Jumlah Mata Dadu Nilai Harapan Probabilitas Bersyarat Rangkuman: Peluang di Lapak Dadu

6Hubungan

Membaca Diagram Pencar Korelasi Matriks Korelasi Peta Panas Korelasi Korelasi Bukan Sebab-Akibat Rangkuman: Es Krim dan Matahari

9Skala Fitur

Mengapa Fitur Perlu Diskalakan Skala Min-MaksStandardisasiStandardScaler Rekap: Rekan Mendaki

12Tantangan Akhir

Keterlambatan Kereta Kualitas Udara Kimia Anggur Survei Klinik

Latihan sendiri: Compiler Python online