Masshtablash

Masshtab xususiyatlari

Ma’lumotlaringiz turli qiymatlarga va hatto turli o‘lchov birliklariga ega bo‘lsa, ularni solishtirish qiyin bo‘lishi mumkin. Kilogramm metrga nisbatan nima? Yoki vaqtga nisbatan balandlikmi?

Bu muammoning javobi masshtablashdir. Biz ma’lumotlarni solishtirish osonroq bo‘lgan yangi qiymatlarga o‘tkazishimiz mumkin.

Quyidagi jadvalni ko‘rib chiqing, bu biz ko‘p regressiya bobida foydalangan bir xil ma’lumotlar to‘plamidir, ammo bu safar hajm ustunida sm3 o‘rniga litrdagi qiymatlar mavjud (1000 o‘rniga 1,0).

1.0 hajmini og‘irligi 790 bilan solishtirish qiyin bo‘lishi mumkin, ammo agar biz ularni taqqoslanadigan qiymatlarga o‘tkazsak, biz bir qiymat boshqasiga qanchalik solishtirilganini osongina ko‘rishimiz mumkin.

Ma’lumotlarni masshtablashning turli usullari mavjud, bu qo‘llanmada biz standartlashtirish deb ataladigan usuldan foydalanamiz.

Standartlashtirish usuli quyidagi formuladan foydalanadi:

z = (x - u) / s

Bu erda z - yangi qiymat, x - asl qiymat, u - o‘rtacha va s - standart og‘ish.

Agar siz yuqoridagi ma’lumotlar to‘plamidan vazn ustunini olsangiz, birinchi qiymat 790 ga teng bo‘ladi va o‘lchov qiymati quyidagicha bo‘ladi:

Agar siz yuqoridagi ma’lumotlar to‘plamidan ovoz balandligi ustunini olsangiz, birinchi qiymat 1,0 ga teng va o‘lchovli qiymat quyidagicha bo‘ladi:

(1.0 - 1.61) / 0.38 = -1.59

Endi siz 790 ni 1,0 bilan solishtirish o‘rniga -2,1ni -1,59 bilan solishtirishingiz mumkin.

Buni qo‘lda qilish shart emas, Python sklearn modulida StandardScaler() deb nomlangan usul mavjud bo‘lib, u ma’lumotlar to‘plamini o‘zgartirish usullari bilan Scaler obyektini qaytaradi.

[[-2.10389253 -1.59336644]
 [-0.55407235 -1.07190106]
 [-1.52166278 -1.59336644]
 [-1.78973979 -1.85409913]
 [-0.63784641 -0.28970299]
 [-1.52166278 -1.59336644]
 [-0.76769621 -0.55043568]
 [ 0.3046118  -0.28970299]
 [-0.7551301  -0.28970299]
 [-0.59595938 -0.0289703 ]
 [-1.30803892 -1.33263375]
 [-1.26615189 -0.81116837]
 [-0.7551301  -1.59336644]
 [-0.16871166 -0.0289703 ]
 [ 0.14125238 -0.0289703 ]
 [ 0.15800719 -0.0289703 ]
 [ 0.3046118  -0.0289703 ]
 [-0.05142797  1.53542584]
 [-0.72580918 -0.0289703 ]
 [ 0.14962979  1.01396046]
 [ 1.2219378  -0.0289703 ]
 [ 0.5685001   1.01396046]
 [ 0.3046118   1.27469315]
 [ 0.51404696 -0.0289703 ]
 [ 0.51404696  1.01396046]
 [ 0.72348212 -0.28970299]
 [ 0.8281997   1.01396046]
 [ 1.81254495  1.01396046]
 [ 0.96642691 -0.0289703 ]
 [ 1.72877089  1.01396046]
 [ 1.30990057  1.27469315]
 [ 1.90050772  1.01396046]
 [-0.23991961 -0.0289703 ]
 [ 0.40932938 -0.0289703 ]
 [ 0.47215993 -0.0289703 ]
 [ 0.4302729   2.31762392]]

CO2 qiymatlarini bashorat qilish

Ko‘p regressiya bobidagi vazifa avtomobilning og‘irligi va hajmini bilganingizda CO2 emissiyasini taxmin qilish edi.

Ma’lumotlar to‘plami masshtablanganda, siz qiymatlarni bashorat qilishda o‘lchovdan foydalanishingiz kerak bo‘ladi:

[107.2087328]