Aprendizado de Máquina - Escala

Hoje estamos cobrindo a escala Python ML com alguns tipos de exemplos na esperança de atender às necessidades dos alunos.

Características de escala

Você pode ter dificuldade em comparar dados se eles tiverem valores e medidas diferentes.

Como libras (lbs) se comparam a quilos (km)?

Que tal altitude versus tempo?

Escalar é a solução para esse problema. O escalonamento de dados nos permite comparar novos valores com mais facilidade.

Confira a tabela abaixo, onde Passivos e Desempenho são representados em USD.

Usando valores comparáveis, podemos ver facilmente quanto um valor é comparado a outro se escalarmos o passivo 9.000.000 com os funcionários 30.000.

O escalonamento de dados pode ser obtido de várias maneiras. Usaremos um método chamado padronização neste tutorial.

Esta fórmula é usada no método de padronização:

z = (x - u) / s

Nesta equação, z representa o novo valor, x representa o valor original, u representa a média e s representa o desvio padrão.

Com base no conjunto de dados acima, o primeiro valor do passivo é 90000000 e o valor escalado é:

(90000000 - 175100452.77) / 293691058.741973 = -0.28976181

De acordo com o conjunto de dados acima, o primeiro valor da coluna de funcionários é 3000 e o valor escalado é:

(30000 - 40647.222222222) / 72005.90441111 = -0.147865961

Em vez de comparar 9.000.000 com 30.000, agora você pode comparar -0,28 com -0,14.

Existem várias funções utilitárias comuns e classes transformadoras no pacote sklearn.preprocessing para converter vetores de recursos brutos em um formato adequado para estimativa downstream.

A padronização de conjuntos de dados geralmente beneficia os algoritmos de aprendizado.

O módulo Python sklearn possui um método chamado StandardScaler() que retorna um objeto Scaling com métodos para transformar conjuntos de dados.

Resultado:

Como você pode ver, os dois primeiros valores correspondem aos nossos cálculos: -0,28 e -0,14.

[[-0.28976181 -0.14786596]
[-0.44298404 -0.49505971]
[-0.51108281 -0.42562096]
[-0.55875195 -0.55061071]
[-0.59024763 -0.55755459]
[ 0.0422197 -0.21730471]
[-0.2846544 -0.49505971]
[-0.40450824 -0.53672296]
[-0.53491738 -0.46034034]
[-0.4787359 -0.42562096]
[-0.26361188 -0.25896796]
[-0.02928401 0.47708279]
[-0.55364455 -0.52977909]
[ 0.1528802 0.96315404]
[-0.28193045 -0.42562096]
[-0.56763884 -0.49505971]
[-0.5672643 -0.52977909]
[-0.42604447 -0.21730471]
[ 0.01668266 -0.00898846]
[-0.13892303 -0.42562096]
[-0.54853714 -0.49505971]
[ 0.23732267 -0.23119246]
[ 0.99730495 -0.49505971]
[-0.08137957 -0.18952921]
[ 0.03200488 -0.35618221]
[-0.44706997 -0.42562096]
[-0.43276923 -0.45339646]
[-0.31836329 -0.32840671]
[-0.56045442 -0.52283521]
[-0.53198914 -0.55061071]
[-0.57406975 -0.54644439]
[ 0.65851357 1.29646004]
[ 0.54683159 0.82427654]
[ 0.68731935 1.58810279]
[ 2.12774454 2.21305154]
[ 4.91979413 4.43509154]]

Prever Desempenho

Dimensionar o conjunto de dados exigirá que você use a escala ao prever valores:

Resultado:

Agora você sabe:

• Ao trabalhar com muitos algoritmos de aprendizado de máquina , o escalonamento de dados é recomendado como uma etapa de pré-processamento.
• As variáveis ​​de entrada e saída podem ser normalizadas ou padronizadas para alcançar o escalonamento de dados.
• Padronização e normalização podem ser aplicadas para melhorar o desempenho de algoritmos de modelagem preditiva.