Impara Trasformazione ed Estrazione delle Feature | Tecniche di Trasformazione dei Dati

Scorri per mostrare il menu

Molti dataset reali contengono variabili con distribuzioni asimmetriche, che possono ridurre l'efficacia dei modelli di machine learning. È possibile applicare trasformazioni matematiche per ridurre l'asimmetria e migliorare la qualità dei dati. Due metodi comuni sono:

Trasformazione logaritmica: riduce una forte asimmetria positiva applicando log(x);
Trasformazione della radice quadrata: modera livelli minori di asimmetria utilizzando sqrt(x).

Questi metodi aiutano a rendere le distribuzioni delle variabili più simili a una normale e migliorano le prestazioni del modello.


              123456789101112131415161718192021222324252627282930
            
import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
import seaborn as sns

# Load the Titanic dataset
df = sns.load_dataset('titanic')
fare = df['fare']

# Apply log transformation (add 1 to handle zeros)
fare_log = np.log(fare + 1)

# Create side-by-side histogram comparison
fig, axes = plt.subplots(1, 2, figsize=(14, 5))

# Original fare
axes[0].hist(fare, bins=50, color='skyblue', edgecolor='black', alpha=0.7)
axes[0].set_xlabel('Fare ($)', fontsize=12)
axes[0].set_ylabel('Frequency', fontsize=12)
axes[0].set_title('Original Fare Distribution', fontsize=14, fontweight='bold')
axes[0].grid(True, alpha=0.3)

# Log-transformed fare
axes[1].hist(fare_log, bins=50, color='lightcoral', edgecolor='black', alpha=0.7)
axes[1].set_xlabel('Log(Fare + 1)', fontsize=12)
axes[1].set_ylabel('Frequency', fontsize=12)
axes[1].set_title('Log-Transformed Fare Distribution', fontsize=14, fontweight='bold')
axes[1].grid(True, alpha=0.3)

plt.tight_layout()

Definizione

L'estrazione delle caratteristiche è il processo di creazione di nuove variabili a partire dai dati grezzi per migliorare le prestazioni dei modelli di machine learning.

Aiuta rendendo le informazioni importanti più esplicite, riducendo il rumore e talvolta abbassando la dimensionalità dei dati. Un'estrazione efficace delle caratteristiche può portare a previsioni migliori e modelli più interpretabili.


              1234567891011
            
import seaborn as sns
import pandas as pd

# Load the Titanic dataset
df = sns.load_dataset('titanic')

# Create a new feature: family_size = sibsp + parch + 1
df['family_size'] = df['sibsp'] + df['parch'] + 1

# Show the first few rows with the new feature
print(df[['sibsp', 'parch', 'family_size']].head())

Tutto è chiaro?

Grazie per i tuoi commenti!

Sezione 2. Capitolo 3

Chieda ad AI

Chieda pure quello che desidera o provi una delle domande suggerite per iniziare la nostra conversazione

Sezione 2. Capitolo 3