Data Science feature-scaling

3

Ich habe über die Lösung für diese OTTO Kaggle-Herausforderung gelesen und die erste Lösung scheint mehrere Transformationen für die Eingabedaten X zu verwenden, z. B. Log (X + 1), sqrt (X + 3/8) usw. Gibt es eine allgemeine Richtlinie, wann welche Art von Transformationen auf verschiedene Klassifikatoren anzuwenden ist? Ich …

22 machine-learning feature-extraction feature-scaling

3

Was ist ein guter Weg, um zyklische Ordnungsattribute zu transformieren?

Ich habe ein Stundenfeld als Attribut, aber es nimmt zyklische Werte an. Wie könnte ich die Funktion umwandeln, um die Informationen wie '23' und '0' Stunde zu erhalten, sind nicht weit entfernt. Eine Möglichkeit, die ich mir vorstellen könnte, ist die Transformation: min(h, 23-h) Input: [0 1 2 3 4 …

21 feature-extraction feature-scaling featurization

1

Soll man heiße Vektoren mit numerischen Attributen skalieren

Im Falle einer Kombination von kategorialen und numerischen Attributen konvertiere ich die kategorialen Attribute normalerweise in einen heißen Vektor. Meine Frage ist, lasse ich diese Vektoren unverändert und skaliere die numerischen Attribute durch Standardisierung / Normalisierung, oder sollte ich die einen heißen Vektoren zusammen mit den numerischen Attributen skalieren?

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

1

Möglichkeiten, mit Längen- und Breitengrad umzugehen [geschlossen]

Geschlossen . Diese Frage erfordert Details oder Klarheit . Derzeit werden keine Antworten akzeptiert. Möchten Sie diese Frage verbessern? Fügen Sie Details hinzu und klären Sie das Problem, indem Sie diesen Beitrag bearbeiten . Geschlossen vor 3 Jahren . Ich arbeite an einem fiktiven Datensatz mit 25 Funktionen. Zwei der …

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

3

Warum konvertieren wir verzerrte Daten in eine Normalverteilung?

Ich habe eine Lösung des Wohnungspreiswettbewerbs auf Kaggle ( Human Analogs Kernel on House Prices: Advance Regression Techniques ) durchlaufen und bin auf diesen Teil gestoßen : # Transform the skewed numeric features by taking log(feature + 1). # This will make the features more normal. from scipy.stats import skew …

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

4

Wie skaliere ich ein Array vorzeichenbehafteter Ganzzahlen im Bereich von 0 bis 1?

Ich verwende Brain , um ein neuronales Netzwerk mit einem Funktionsumfang zu trainieren, der sowohl positive als auch negative Werte enthält. Aber Brain benötigt Eingabewerte zwischen 0 und 1. Wie kann ich meine Daten am besten normalisieren?

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

2

Konsequenz der Feature-Skalierung

Ich verwende derzeit SVM und skaliere meine Trainingsfunktionen auf den Bereich von [0,1]. Ich passe zuerst mein Trainingsset an / transformiere es und wende dann dieselbe Transformation auf mein Testset an. Zum Beispiel: ### 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

Lineare Regression und Skalierung von Daten

Das folgende Diagramm zeigt Koeffizienten, die mit linearer Regression erhalten wurden (mit mpgals Zielvariable und allen anderen als Prädiktoren). Für mtcars-Dataset ( hier und hier ) mit und ohne Skalierung der Daten: Wie interpretiere ich diese Ergebnisse? Die Variablen hpund dispsind nur dann von Bedeutung, wenn die Daten skaliert sind. …

10 feature-selection linear-regression feature-scaling

3

Mittelwert Null und Einheitsvarianz

Ich studiere Datenskalierung und insbesondere die Standardisierungsmethode. Ich habe die Mathematik dahinter verstanden, aber mir ist nicht klar, warum es wichtig ist, den Merkmalen den Mittelwert Null und die Einheitsvarianz zu geben. Kannst du mir erklären ?

10 machine-learning feature-scaling normalization

1

Was sind einige Situationen, in denen die Normalisierung der Eingabedaten auf Null bedeutet, dass die Einheitsvarianz nicht angemessen oder nicht vorteilhaft ist?

Ich habe beim maschinellen Lernen viele Male eine Normalisierung der Eingabedaten auf den Mittelwert Null und die Einheitsvarianz gesehen. Ist dies eine gute Praxis, die ständig durchgeführt werden muss, oder gibt es Zeiten, in denen dies nicht angemessen oder nicht vorteilhaft ist?

7 machine-learning feature-scaling normalization

4

Vorhersage aus Datenreihen mit unterschiedlichen Merkmalen

Ich untersuche ein Problem, bei dem die Datenpunkte ungleiche Merkmale aufweisen. Jede Instanz repräsentiert den Fortschritt eines Elements im gesamten System. Einige von ihnen haben ihren Endpunkt erreicht, andere befinden sich noch in der Zwischenphase. Die Anzahl der Stufen ist bekannt (insgesamt 10). Ich habe die Zeit, wenn es in …

7 machine-learning feature-scaling

Als «feature-scaling» getaggte Fragen