Science des données feature-scaling

3

Transformation des fonctionnalités sur les données d'entrée

Je lisais la solution à ce défi OTTO Kaggle et la première solution semble utiliser plusieurs transformations pour les données d'entrée X, par exemple Log (X + 1), sqrt (X + 3/8), etc. des directives générales sur le moment d'appliquer quelles transformations types à divers classificateurs? Je comprends les concepts …

22 machine-learning feature-extraction feature-scaling

3

Quelle est la bonne façon de transformer les attributs ordinaux cycliques?

J'ai le champ «heure» comme attribut, mais cela prend des valeurs cycliques. Comment pourrais-je transformer la fonctionnalité pour préserver les informations telles que «23» et «0» heure sont proches non loin. Une façon dont je pourrais penser est de faire de la transformation: min(h, 23-h) Input: [0 1 2 3 …

21 feature-extraction feature-scaling featurization

1

Faut-il mettre à l'échelle un vecteur chaud avec des attributs numériques

Dans le cas d'une combinaison d'attributs catégoriels et numériques, je convertis généralement les attributs catégoriels en un seul vecteur chaud. Ma question est la suivante: dois-je laisser ces vecteurs tels quels et mettre à l'échelle les attributs numériques par le biais de la normalisation / normalisation, ou dois-je mettre à …

20 feature-engineering feature-scaling data-science-model

1

Façons de traiter la caractéristique longitude / latitude [fermé]

Fermé . Cette question a besoin de détails ou de clarté . Il n'accepte pas actuellement les réponses. Voulez-vous améliorer cette question? Ajoutez des détails et clarifiez le problème en modifiant ce message . Fermé il y a 3 ans . Je travaille sur un jeu de données fictif avec …

19 machine-learning python feature-engineering feature-scaling normalization

3

Pourquoi convertissons-nous des données asymétriques en une distribution normale

Je passais par une solution de la concurrence des prix du logement sur Kaggle ( noyau analogique humain sur les prix des logements : techniques de régression avancées ) et suis tombé sur cette partie: # Transform the skewed numeric features by taking log(feature + 1). # This will make …

15 regression feature-extraction feature-engineering kaggle feature-scaling

4

Comment mettre à l'échelle un tableau d'entiers signés de 0 à 1?

J'utilise Brain pour former un réseau neuronal sur un ensemble de fonctionnalités qui comprend des valeurs positives et négatives. Mais Brain nécessite des valeurs d'entrée comprises entre 0 et 1. Quelle est la meilleure façon de normaliser mes données?

15 machine-learning neural-network feature-scaling normalization javascript

2

Conséquence de la mise à l'échelle des fonctionnalités

J'utilise actuellement SVM et j'adapte mes fonctionnalités d'entraînement à la plage de [0,1]. J'ai d'abord ajusté / transformé mon ensemble d'entraînement, puis j'applique la même transformation à mon ensemble de test. Par exemple: ### Configure transformation and apply to training set min_max_scaler = MinMaxScaler(feature_range=(0, 1)) X_train = min_max_scaler.fit_transform(X_train) ### Perform …

11 machine-learning svm feature-scaling

2

Régression linéaire et mise à l'échelle des données

Le graphique suivant montre les coefficients obtenus par régression linéaire (avec mpgcomme variable cible et tous les autres comme prédicteurs). Pour le jeu de données mtcars ( ici et ici ) avec et sans mise à l'échelle des données: Comment interpréter ces résultats? Les variables hpet ne dispsont significatives que …

10 feature-selection linear-regression feature-scaling

3

Zéro moyenne et variance unitaire

J'étudie le Data Scaling, et en particulier la méthode de Standardisation. J'ai compris les mathématiques derrière cela, mais je ne comprends pas pourquoi il est important de donner aux caractéristiques une moyenne nulle et une variance unitaire. Peux tu m'expliquer ?

10 machine-learning feature-scaling normalization

Questions marquées «feature-scaling»