Kedy a ako používať StandardScaler?

Keď vlastnosti daného súboru údajov výrazne kolíšu v rámci svojich rozsahov alebo sú zaznamenané v rôznych merných jednotkách, do obrazu vstupuje StandardScaler.

Údaje sú škálované na rozptyl 1 potom, čo sa priemer zníži na 0 pomocou StandardScaler. Ale pri určovaní empirického priemeru údajov a štandardnej odchýlky majú odľahlé hodnoty prítomné v údajoch významný vplyv, ktorý znižuje spektrum charakteristických hodnôt.

rýchle triedenie java

Mnoho algoritmov strojového učenia môže naraziť na problémy v dôsledku týchto variácií v počiatočných funkciách. Napríklad v prípade algoritmov, ktoré počítajú vzdialenosť, ak má niektorá z vlastností množiny údajov hodnoty s veľkými alebo úplne odlišnými rozsahmi, výpočet vzdialenosti bude riadiť táto konkrétna vlastnosť množiny údajov.

Funkcia StandardScaler sklearn je založená na teórii, že premenné súboru údajov, ktorých hodnoty ležia v rôznych rozsahoch, nemajú rovnaký príspevok k parametrom prispôsobenia modelu a trénovacej funkcii a môžu dokonca viesť k skresleniu predpovedí vytvorených s týmto modelom.

Preto pred zahrnutím funkcií do modelu strojového učenia musíme údaje normalizovať (µ = 0, σ = 1). Na riešenie tohto potenciálneho problému sa bežne používa štandardizácia v inžinierstve funkcií.

Štandardizácia pomocou Sklearnu

 sklearn.preprocessing.StandardScaler(*, copy = True, with_mean = True, with_std = True) 

Odstránením priemeru z funkcií a ich škálovaním na jednotku rozptylu sa funkcie štandardizujú pomocou tejto funkcie.

Vzorec na výpočet štandardného skóre funkcie je z = (x - u) / s, kde u je priemer trénovacieho prvku (alebo nula, ak with_mean = False) a s je štandardná odchýlka vzorky (alebo jedna, ak with_std = False ).

ako vstreknúť falošnú abstraktnú triedu

Výpočtom príslušných štatistík o funkciách v trénovacej sade sa centrovanie a mierka aplikujú nezávisle na každú funkciu. Potom, na použitie s neskoršími vzorkami pomocou transform(), metóda fit() uloží priemer a štandardnú odchýlku.

Parametre:

kopírovať (bool, predvolená hodnota = True):-Ak je tento parameter nastavený na hodnotu True, pokúste sa vyhnúť kópiám a namiesto toho škálovať vzorky na mieste. Nie je nevyhnutne zaručené, že bude fungovať na mieste; napríklad, funkcia môže stále vrátiť kópiu, ak vstup nie je vo forme poľa NumPy alebo matice CSR scipy.sparse.with_mean (bool, predvolená hodnota = True):-Ak je parameter nastavený na hodnotu True, upravte mierku údajov po ich vycentrovaní. Pri aplikácii na riedke matice to zlyhá (a vyvolá výnimku), pretože ich centrovanie si vyžaduje konštrukciu hustej matice, o ktorej sa vo väčšine prípadov použitia očakáva, že bude príliš veľká na to, aby sa zmestila do barana.with_std (bool, predvolená hodnota = True):-Tento parameter prispôsobuje vstupné dáta jednotkovej odchýlke, ak je nastavená na hodnotu true (alebo môžeme povedať, že vytvára jednotkovú štandardnú odchýlku).

Vlastnosti:

scale_ (ndarray má tvar (n_features,) alebo None):-Údaje sú relatívne škálované pre každý prvok s nulovým priemerom a jednotkovým rozptylom.mean_ (ndarray má tvar (n_features,) alebo None):-Je to priemerná hodnota tréningového súboru údajov pre každú funkciu. Keď je argument with_mean nastavený na False, táto hodnota sa rovná None.var_ (ndarray má tvar (n_features,) alebo None):-Je to hodnota rozptylu každej funkcie v tréningovom súbore údajov. Používa sa na určenie rozsahu funkcií. Keď je argument with_std nastavený na False, táto hodnota sa rovná None.n_features_in_ (typu _int):-Tento atribút udáva počet prvkov zistených pri montáži.feature_names_in_ (ndarray má tvar ako (n_features_in_,)):-Tento atribút predstavuje vlastnosti identifikované názvami pri montáži. X je definované iba vtedy, keď všetky jeho názvy funkcií sú reťazec dátového typu.n_samples_seen_ (typu int alebo ndarray s tvarom ako (n_features,)):-Toto udáva počet vzoriek, ktoré odhadca preskúmal pre každý prvok.

Metódy triedy StandardScaler

Príklad StandardScaler

Najprv naimportujeme požadované knižnice. Aby sme mohli použiť funkciu StandardScaler, musíme importovať knižnicu Sklearn.

úplná pravdivostná tabuľka sčítačky

Potom načítame súbor údajov o dúhovke. Súbor údajov IRIS môžeme importovať z knižnice sklearn.datasets.

Vytvoríme objekt triedy StandardScaler.

Oddelenie nezávislých a cieľových funkcií.

Na implementáciu transformácie do množiny údajov použijeme metódu fit transform().

Syntax:

 object_ = StandardScaler() object_.fit_transform(features) 

Pôvodne sme vytvorili inštanciu metódy StandardScaler() podľa syntaxe uvedenej vyššie. Okrem toho štandardizujeme údaje pomocou fit_transform() spolu s poskytnutým objektom.

linux $home

kód

 # Python program to standardize the data # Importing the required library from sklearn.preprocessing import StandardScaler from sklearn.datasets import load_iris # Loading the dataset X, Y = load_iris(return_X_y = True) # Printing 3 rows of original data print(X[:3, :]) # Creating an object of the StandardScaler class std_scaler = StandardScaler() # Printing 3 rows of the transformed data print(std_scaler.fit_transform(X)[:3, :]) print(std_scaler.mean_) 

Výkon

 [[5.1 3.5 1.4 0.2] [4.9 3. 1.4 0.2] [4.7 3.2 1.3 0.2]] [[-0.90068117 1.01900435 -1.34022653 -1.3154443 ] [-1.14301691 -0.13197948 -1.34022653 -1.3154443 ] [-1.38535265 0.32841405 -1.39706395 -1.3154443 ]] [5.84333333 3.05733333 3.758 1.19933333]