机器学习 - 缩放

缩放特点

当您的数据具有不同的值，甚至不同的测量单位时，可能很难对它们进行比较。千克与米相比是多少？或者海拔高度与时间的比较？

这个问题的答案是扩展。我们可以将数据扩展为更容易比较的新值。

看一下下表，它与我们在中使用的数据集相同多元回归章节，但这一次体积列包含以下值升代替厘米³（1.0 而不是 1000）。

车	模型	体积	重量	二氧化碳

丰田	艾戈	1.0	790	99
三菱	太空之星	1.2	1160	95
斯柯达	西蒂戈	1.0	929	95
菲亚特	500	0.9	865	90
小型的	库珀	1.5	1140	105
大众汽车	向上！	1.0	929	105
斯柯达	法比亚	1.4	1109	90
奔驰	一类	1.5	1365	92
福特	嘉年华	1.5	1112	98
奥迪	A1	1.6	1150	99
现代	I20	1.1	980	99
铃木	迅速	1.3	990	101
福特	嘉年华	1.0	1112	99
本田	思域	1.6	1252	94
现代	I30	1.6	1326	97
欧宝	阿斯特拉	1.6	1330	97
宝马	1	1.6	1365	99
马自达	3	2.2	1280	104
斯柯达	迅速的	1.6	1119	104
福特	重点	2.0	1328	105
福特	蒙迪欧	1.6	1584	94
欧宝	徽章	2.0	1428	99
奔驰	C级	2.1	1365	99
斯柯达	奥克塔维亚	1.6	1415	99
沃尔沃	S60	2.0	1415	99
奔驰	共轭亚油酸	1.5	1465	102
奥迪	A4	2.0	1490	104
奥迪	A6	2.0	1725	114
沃尔沃	V70	1.6	1523	109
宝马	5	2.0	1705	114
奔驰	E级	2.1	1605	115
沃尔沃	XC70	2.0	1746	117
福特	最大B值	1.6	1235	104
宝马	2	1.6	1390	108
欧宝	扎菲拉	1.6	1405	109
奔驰	SLK	2.5	1395	120

比较体积 1.0 和重量 790 可能很困难，但如果我们将它们都缩放为可比较的值，我们可以很容易地看到一个值与另一个值相比有多少。

缩放数据有不同的方法，在本教程中我们将使用一种称为标准化的方法。

标准化方法使用以下公式：

z = (x - u) / s

在哪里z是新值，x是原始值，u是平均值和s是标准差。

如果你采取重量上面数据集中的列，第一个值为 790，缩放后的值为：

(790 - 1292.23) / 238.74 = -2.1

如果你采取体积上面数据集中的列，第一个值为 1.0，缩放后的值为：

(1.0 - 1.61) / 0.38 = -1.59

现在您可以比较 -2.1 和 -1.59，而不是比较 790 和 1.0。

您不必手动执行此操作，Python sklearn 模块有一个名为的方法StandardScaler()它返回一个 Scaler 对象，其中包含用于转换数据集的方法。

示例

缩放重量和体积列中的所有值：

结果：

请注意，前两个值是 -2.1 和 -1.59，这对应于我们的计算：

[[-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]]

运行示例 »

预测二氧化碳值

任务在多元回归章节当你只知道汽车的重量和体积时，就可以预测汽车的二氧化碳排放量。

当数据集缩放时，您在预测值时必须使用缩放：

示例

预测一辆重 2300 公斤、排量 1.3 升的汽车的二氧化碳排放量：

import pandas
from sklearn import linear_model
from sklearn.preprocessing import StandardScaler
scale = StandardScaler()

df = pandas.read_csv("data.csv")

X = df[['Weight', 'Volume']]
y = df['CO2']

scaledX = scale.fit_transform(X)

regr = linear_model.LinearRegression()
regr.fit(scaledX, y)

scaled = scale.transform([[2300, 1.3]])

predictedCO2 = regr.predict([scaled[0]])
print(predictedCO2)

结果：

[107.2087328]

运行示例 »