QuantileTransformer का परीक्षण
मानकीकरण (standardization) z-scores वाली वही दिक्कतों से प्रभावित होता है। दोनों ही अपनी गणनाओं में mean और standard deviation का उपयोग करते हैं, जिससे वे अत्यधिक मानों (extreme values) के प्रति बहुत संवेदनशील हो जाते हैं.
इस समस्या से बचने के लिए, आपको QuantileTransformer का उपयोग करना चाहिए जो quantiles का उपयोग करता है। किसी वितरण के quantiles, outliers के परिमाण चाहे जितने हों, समान रहते हैं.
जब डेटा सामान्य (normally) वितरित हो, तब आपको StandardScaler का उपयोग करना चाहिए (इसे histogram से जाँचा जा सकता है)। अन्य वितरणों के लिए, QuantileTransformer बेहतर विकल्प है.
आप लोड किए गए females डेटासेट पर अभ्यास करेंगे। matplotlib.pyplot अपने मानक उपनाम plt के साथ लोड है.
यह अभ्यास पाठ्यक्रम का हिस्सा है
Python में Anomaly Detection
अभ्यास निर्देश
- एक
QuantileTransformer()instantiate कीजिए जो फीचर्स को normal distribution में ट्रांसफॉर्म करे और उसेqtको असाइन कीजिए. - फीचर एरे
Xको fit और transform कीजिए तथा कॉलम नाम सुरक्षित रखिए. palmlengthकॉलम का histogram प्लॉट कीजिए.
इंटरैक्टिव व्यावहारिक अभ्यास
इस अभ्यास को इस नमूना कोड को पूरा करके आज़माएँ।
from sklearn.preprocessing import QuantileTransformer
# Instantiate an instance that casts to normal
qt = ____
# Fit and transform the feature array
X.____ = ____
# Plot a histogram of palm length
plt.____(____, color='red')
plt.xlabel("Palm length")
plt.show()