Min-Max Ölçekleme

Coddy'nin Machine Learning Journey'sinin Makine Öğrenimi için İstatistik bölümünün bir parçası. Ders 48 / 64.

Min-max ölçekleme her özelliğe eşit söz hakkı verir: her sütunda en küçük değer 0, en büyük değer 1 olur, geri kalanlar ise bu ikisinin arasında yer alır.

Yıllık 80.000 $ kazanan 40 yaşında birini ekleyin, ardından dördünü de ölçeklendirin:

Dört müşterinin yaşları ve gelirleri tablo olarak, ardından bir ok ve ölçeklendirilmiş aynı tablo: her sütunda en küçük değer 0.00, en büyük değer 1.00 oldu; daha koyu gölgelendirildi, diğerleri arada kaldı

Broadcasting bunu tek satırda, her sütunun kendi en küçük değeri ve aralığıyla yapar:

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)

Artık yaş da hesaba katılıyor. Müşteri 0'ın en yakın komşusu artık 61 yaşındaki kişi değil:

Ölçeklendirilmiş müşteriler, 0 ile 1 arasındaki bir kare üzerinde noktalar olarak ve müşteri 0'dan çizgilerle gösteriliyor: 26 yaşındaki kişi 0.11 uzaklıkla en yakın, 61 yaşındaki kişi 1.00 uzaklıkta, 80.000 $ kazanan kişi 1.08 uzaklıkta

Uç değerlerden biri 1 olur ve geri kalanları 0'a yaklaştırarak sıkıştırır; bu nedenle min-max, aykırı değer içermeyen sütunlar için uygundur.

Görev

Orta

Kavurucu, benzer şekilde demlenen kahveleri eşleştirir. beans dizisinin her satırı bir kahvedir: su sıcaklığı (C), demleme süresi (s) ve kafein (mg). Program i ve j konumlarını okur; başlangıç kodundaki distance(a, b) iki örneği ölçer.

beans dizisini min-maks ölçeklendirmeyle ölçeklendir.
Önce Every column from 0 to 1:, ardından ölçeklendirilmiş tabloyu 2 ondalık basamakla yazdır.
Aşağıdaki gibi, aralarındaki mesafeyi ölçeklendirmeden önce ve sonra yazdır.

Diğer üç kahve için, konumlar 0 ve 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

Kendin dene

import numpy as np


# İki örnek arasındaki uzaklığı döndürür (Why Scale Features bölümünden)
def distance(a, b):
    return np.sqrt(((a - b) ** 2).sum())


# Her kahve için bir satır: C cinsinden su sıcaklığı, saniye cinsinden demleme süresi, mg cinsinden kafein miktarı
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())

# Kodunuzu aşağıya yazın