1. Nauka
    2. /
  2. Kursy
    3. /
  3. Inżynieria cech w uczeniu maszynowym w Pythonie
Connected

ćwiczenie

Transformacja logarytmiczna

W poprzednich ćwiczeniach skalowałeś dane liniowo – taka operacja nie zmienia kształtu rozkładu. Sprawdza się to świetnie, gdy dane mają rozkład normalny (lub zbliżony do normalnego), co jest założeniem wielu modeli uczenia maszynowego. Czasem dane rzeczywiście zbliżają się do normalności – na przykład wzrost lub waga populacji. Jednak wiele zmiennych w rzeczywistym świecie nie podąża tym wzorcem, np. zarobki czy wiek populacji. W tym ćwiczeniu zastosujesz transformację logarytmiczną na kolumnie ConvertedSalary z ramki danych so_numeric_df, ponieważ większość wartości jest skupiona przy niskich kwotach, ale zbiór zawiera też bardzo wysokie wartości. Takie rozkłady określa się jako rozkłady z długim prawym ogonem.

Instrukcje

100 XP
  • Zaimportuj PowerTransformer z modułu preprocessing biblioteki sklearn.
  • Utwórz instancję PowerTransformer() i przypisz ją do zmiennej pow_trans.
  • Dopasuj PowerTransformer do kolumny ConvertedSalary z ramki danych so_numeric_df.
  • Przekształć tę samą kolumnę za pomocą dopasowanego skalera.