ESCALA EN PYTHON

Cuando sus datos tienen diferentes valores e incluso diferentes unidades de medida, puede ser difícil compararlos. ¿Qué son los kilogramos en comparación con los metros? ¿O la altitud en comparación con el tiempo?

La respuesta a este problema es escalar. Podemos escalar los datos en nuevos valores que son más fáciles de comparar.

Mire la tabla a continuación, es el mismo conjunto de datos que usamos en el capítulo de regresión múltiple, pero esta vez la columna de volumen contiene valores en litros en lugar de cm3 (1.0 en lugar de 1000).

Coche	Modelo	Cantidad	Peso	CO2
Toyota	Aygo	1000	790	99
Mitsubishi	Space Star	1200	1160	95
Skoda	Citigo	1000	929	95
Fiat	500	900	865	90
Mini	Cooper	1500	1140	105
VW	Up!	1000	929	105
Skoda	Fabia	1400	1109	90
Mercedes	A-Class	1500	1365	92
Ford	Fiesta	1500	1112	98
Audi	A1	1600	1150	99
Hyundai	I20	1100	980	99
Suzuki	Swift	1300	990	101
Ford	Fiesta	1000	1112	99
Honda	Civic	1600	1252	94
Hyundai	I30	1600	1326	97
Opel	Astra	1600	1330	97
BMW	1	1600	1365	99
Mazda	3	2200	1280	104
Skoda	Rapid	1600	1119	104
Ford	Focus	2000	1328	105
Ford	Mondeo	1600	1584	94
Opel	Insignia	2000	1428	99
Mercedes	C-Class	2100	1365	99
Skoda	Octavia	1600	1415	99
Volvo	C60	2000	1415	99
Mercedes	CLA	1500	1465	102
Audi	A4	2000	1490	104
Audi	A6	2000	1725	114
Volvo	V70	1600	1523	109
BMW	5	2000	1705	114
Mercededs	E-Class	2100	1605	115
Volvo	XC70	2000	1746	117
Ford	B-Max	1600	1235	104
BMW	2	1600	1390	108
Opel	Zafira	1600	1405	109
Mercedes	SLK	2500	1395	120

Puede ser difícil comparar el volumen 1.0 con el peso 790, pero si escalamos ambos en valores comparables, podemos ver fácilmente cuánto se compara un valor con el otro.

Existen diferentes métodos para escalar datos, en este tutorial usaremos un método llamado estandarización.

El método de estandarización utiliza esta fórmula:

z = (x – u) / s

Donde z es el nuevo valor, x es el valor original, u es la media y s es la desviación estándar.

Si toma la columna de peso del conjunto de datos anterior, el primer valor es 790 y el valor escalado será:

(790 – 1292,23) / 238,74 = -2,1

Si toma la columna de volumen del conjunto de datos anterior, el primer valor es 1,0 y el valor escalado será:

(1,0 – 1,61) / 0,38 = -1,59

Ahora puede comparar -2.1 con -1.59 en lugar de comparar 790 con 1.0.

No tiene que hacer esto manualmente, el módulo sklearn de Python tiene un método llamado StandardScaler() que devuelve un objeto Scaler con métodos para transformar conjuntos de datos.

Ejemplo

Escale todos los valores en las columnas Peso y Volumen:

import pandas 
from sklearn import linear_model
from sklearn.preprocessing import StandardScaler
scale = StandardScaler()

df = pandas.read_csv("data.csv")

X = df[['Weight', 'Volumen']]
scaledX = scale.fit_transform(X)

print(scaledX)

Resultado

Tenga en cuenta que los dos primeros valores son -2.1 y -1.59, lo que corresponde a nuestros cálculos:

[[-2.10389253 -1.59336644]
 [-0.55407235 -1.07190106]
 [-1.52166278 -1.59336644]
 [-1.78973979 -1.85409913]
 [-0.63784641 -0.28970299]
 [-1.52166278 -1.59336644]
 [-0.76769621 -0.55043568]
 [ 0.3046118  -0.28970299]
 [-0.7551301  -0.28970299]
 [-0.59595938 -0.0289703 ]
 [-1.30803892 -1.33263375]
 [-1.26615189 -0.81116837]
 [-0.7551301  -1.59336644]
 [-0.16871166 -0.0289703 ]
 [ 0.14125238 -0.0289703 ]
 [ 0.15800719 -0.0289703 ]
 [ 0.3046118  -0.0289703 ]
 [-0.05142797  1.53542584]
 [-0.72580918 -0.0289703 ]
 [ 0.14962979  1.01396046]
 [ 1.2219378  -0.0289703 ]
 [ 0.5685001   1.01396046]
 [ 0.3046118   1.27469315]
 [ 0.51404696 -0.0289703 ]
 [ 0.51404696  1.01396046]
 [ 0.72348212 -0.28970299]
 [ 0.8281997   1.01396046]
 [ 1.81254495  1.01396046]
 [ 0.96642691 -0.0289703 ]
 [ 1.72877089  1.01396046]
 [ 1.30990057  1.27469315]
 [ 1.90050772  1.01396046]
 [-0.23991961 -0.0289703 ]
 [ 0.40932938 -0.0289703 ]
 [ 0.47215993 -0.0289703 ]
 [ 0.4302729   2.31762392]]

Predecir valores de CO2

La tarea en el capítulo de Regresión Múltiple era predecir la emisión de CO2 de un automóvil cuando solo sabías su peso y volumen.

Cuando se escala el conjunto de datos, tendrá que usar la escala cuando prediga valores:

Ejemplo

Prediga la emisión de CO2 de un automóvil de 1.3 litros que pesa 2300 kilogramos:

import pandas from sklearn import linear_model
fromsklearn.preprocessingimport StandardScaler
scale = StandardScaler()

df = pandas.read_csv("data.csv")

X = df[['Weight', 'Volumen']]
scaledX = scale.fit_transform(X)
y = df['CO2']

scaledX = scale.fit_transform(X)

regr = linear_model.LinearRegression()
regr.fit(scaledX, y)
scaled = scale.transform([[2300, 1.3]])

predictedCO2 = regr.predict([scaled[0]])
print(predictedCO2)

Resultado:

[107.2087328]

Regresión Múltiple Python

Entrenamiento Modelo Python