QuantileTransformer'ı test etme
Standardizasyon, z-skorlarıyla aynı tuzaklara açıktır. Her ikisi de hesaplamalarında ortalama ve standart sapmayı kullanır; bu da onları uç değerlere karşı oldukça hassas yapar.
Bu sorunu aşmak için, çeyreklikleri kullanan QuantileTransformer'ı kullanmalısın. Bir dağılımın çeyreklikleri, aykırı değerlerin büyüklüğünden bağımsız olarak aynı kalır.
Veri normal dağılıyorsa (bunu bir histogramla kontrol edebilirsin) StandardScaler kullanmalısın. Diğer dağılımlar için QuantileTransformer daha iyi bir seçenektir.
Yüklü females veri kümesi üzerinde pratik yapacaksın. matplotlib.pyplot, standart kısaltması olan plt ile yüklendi.
Bu egzersiz
Python ile Anomali Tespiti
kursunun bir parçasıdırEgzersiz talimatları
- Özellikleri normal bir dağılıma dönüştüren bir
QuantileTransformer()örneği oluştur veqtdeğişkenine ata. - Özellik dizisi
X'i eğit ve dönüştür; sütun adlarını koru. palmlengthsütununun bir histogramını çiz.
Uygulamalı interaktif egzersiz
Bu örnek kodu tamamlayarak bu egzersizi bitirin.
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()