O abordare puternică de corecție a asimetriei în cazul în care scalatorul Standard sau MinMax eșuează.
Bună ziua, astăzi vom analiza un alt subiect interesant numit Power Transformer.
Întâlnim de obicei date foarte distorsionate și este aproape imposibil să le corectăm, iar multe modele liniare necesită o anumită transformare a caracteristicilor numerice pentru a le face să fie distribuite în mod normal datorită ipotezelor modelării liniare.
StandardSCaler și MinMaxSclaer funcționează bine pentru majoritatea distribuțiilor, dar nu și pentru date foarte distorsionate, deoarece valorile de bază ale distribuției, cum ar fi valorile medii, mediane, minime și maxime sunt afectate.
Aplicarea sklearn PowerTransformer va folosi transformarea logaritmică pentru a transforma orice caracteristică deformată într-o distribuție normală cât mai apropiată posibil.
Să vedem cum funcționează.
import seaborn as sns
diamonds = sns.load_dataset("diamonds")
diamonds[["price", "carat"]].hist(figsize=(10, 5));
#Ambele sunt puternic denaturate. Să rezolvăm asta folosind o transformare logaritmică
from sklearn.preprocessing import PowerTransformer pt = PowerTransformer() diamonds.loc[:, ["price", "carat"]] = pt.fit_transform(diamonds[["price", "carat"]]) diamonds[["price", "carat"]].hist(figsize=(10, 5));
Iată-ne……. aproape de distribuit normal.
Astfel, acest lucru va ajuta modelul nostru să obțină, într-adevăr, o precizie mai mare.
Este grozav să cunoști noile tehnici avansate ca aceasta. Mulțumim lui sklearn. În continuare vom avea o altă variantă avansată de regresie liniară numită Theil Sen Regressor
Vă mulțumesc din nou, pentru timpul acordat, dacă v-a plăcut acest scurt articol, există o mulțime de subiecte în analiză avansată, știința datelor și învățarea automată disponibile în depozitul meu mediu. „https://medium.com/@bobrupakroy”
Unele dintre prezența mea alternativă pe internet Facebook, Instagram, Udemy, Blogger, Issuu, Slideshare, Scribd și multe altele.
Disponibil și pe Quora @ https://www.quora.com/profile/Rupak-Bob-Roy
Lasa-ma sa stiu daca ai nevoie de ceva. Vorbim curand.
