Что такое стандартизация в машинном обучении?

В машинном обучении мы обучаем наши данные прогнозировать или классифицировать вещи таким образом, чтобы это не было жестко закодировано в машине. Итак, во-первых, у нас есть набор данных или входные данные, которые нужно предварительно обработать и обработать для получения желаемых результатов. Любая модель ML, которая должна быть построена, следует следующей процедуре:

Собирать данные
Выполнение обработки/очистки данных (масштабирование функций)
Данные предварительной обработки
Применить визуализации

Масштабирование функций — это метод стандартизации функций, присутствующих в данных, в фиксированном диапазоне. Это должно выполняться во время предварительной обработки данных. У него есть два основных пути: стандартизация и нормализация.

Содержание

Стандартизация
Сбор данных
Понимание стандартизации
Реализация Кодекса

Стандартизация

Шаги, которые необходимо выполнить:

Сбор данных

Наши данные могут быть в различных форматах, например числа (целые числа) и слова (строки), на данный момент мы будем рассматривать только числа в нашем наборе данных.

Предположим, что наш набор данных имеет случайные числовые значения в диапазоне от 1 до 95 000 (в случайном порядке). Просто для нашего понимания рассмотрим небольшой набор данных, состоящий всего из 10 значений с числами в заданном диапазоне и рандомизированном порядке.

Если мы просто посмотрим на эти значения, их диапазон настолько велик, что обучение модели с 10 000 таких значений займет много времени. Вот где возникает проблема.

Понимание стандартизации

У нас есть решение для решения возникшей проблемы т.е. Стандартизация. Это помогает нам решить эту проблему:

Уменьшение масштаба значений до общей для всех шкалы, обычно в диапазоне от −1 до +1.
И сохраняя диапазон между значениями без изменений.

Итак, как мы это делаем? у нас есть математическая формула для того же, т. е. Z-Score = (Current_value — Mean) / Standard Deviation.

Формула стандартизации

Используя эту формулу, мы заменяем все входные значения Z-оценкой для каждого значения. Следовательно, мы получаем значения в диапазоне от −1 до +1, сохраняя диапазон нетронутым.

Стандартизация выполняет следующие функции:

Преобразует среднее значение (μ) в 0
Преобразовывает в SD (σ) к 1

Это совершенно очевидно для среднего значения = 0 и SD = 1, так как все значения будут иметь такую меньшую разницу, и каждое значение будет почти равно 0, следовательно, среднее значение = 0 и SD = 1.

ПРИМЕЧАНИЕ. (Просто для лучшего понимания)

Для среднего

Когда мы вычитаем значение меньше среднего, мы получаем (-ve)
результат Когда мы вычитаем значение больше среднего, мы получаем (+ve) результат

Следовательно, когда мы получаем (-ve) и (+ve) значения для вычитания значения со средним значением при суммировании всех этих значений,
мы получаем окончательное среднее значение как 0.

И когда мы получаем среднее как 0, это означает, что большинство или почти все значения равны или очень близки к 0 и имеют очень низкую дисперсию между ними.

Следовательно, SD также становится равным 1 (равно как и без разницы).

Реализация Кодекса

Здесь мы делаем следующее:

Расчет Z-показателя
Сравнение исходных значений и стандартизированных значений
Сравнение диапазона обоих с использованием точечных диаграмм

Python3

# Importing Libraries

import matplotlib

import matplotlib.pyplot as plt

# We are just using 10 values

# for our Dataset

# Here, dataset_0 will be constant

# as it's range is just 1 - 10

# But, dataset_1 will be scaled down

# as it's range is 1 - 95,000

global dataset_0, dataset_1

dataset_0 = [10, 5, 6, 1, 3, 7, 9, 4, 8, 2]

dataset_1 = [1, 99, 789, 5, 6859, 541,

94142, 7, 50826, 35464]

n = len(dataset_1)

mean_ans = 0

ans = 0

j = 0

Теперь, чтобы вычислить сумму, запустите следующий код:

Python3

# Calculating summation

for i in dataset_1:

    j = j + i

    k = i*i

    ans = ans + k

print('n : ', n)

print("Summation (X)   : ", j)

print("Summation (X^2) : ", ans)

Выход :

n :  10
Summation (X)   :  188733
Summation (X^2) :  12751664695

Затем рассчитайте стандартное отклонение

Python3

# Calculating Standard Deviation

part_1 = ans/n

part_2 = mean_ans*mean_ans

standard_deviation = part_1 - part_2

print("Standard Deviation : ", standard_deviation)

Выход :

1275166469.5

Затем вычислите среднее значение, используя этот код

Читайте также: Что такое RetroPie?

Python3

# Calculating Mean

mean = j/n

mean

Выход :

18873.3

Чтобы рассчитать Z-оценку для каждого значения набора данных_1

Python3

# Calculating the Z-Score for each

# Value of dataset_1

final_z_score = []

print("Calculating Z-Score of Each Value in dataset_1")

for i in dataset_1:

z_score = (i-mean)/standard_deviation

final_z_score.append("{:.20f}".format(z_score))

Сравнение значений исходного набора данных и уменьшенного набора данных

Python3

# Comparing the Values of Original Dataset and Saled Down Dataset

print("\nOriginal DataSet | Z-Score ")

print()

for i in range(len(dataset_1)):

print(" ", dataset_1[i], " | ", final_z_score[i])

Выход :

Original DataSet   |               Z-Score 

     1           |      -0.00001479987158649171
     99          |      -0.00001472301887561513
     789         |      -0.00001418191305413712
     5           |      -0.00001479673474114981
     6859        |      -0.00000942175024780167
     541         |      -0.00001437639746533501
     94142       |      0.00005902656774649453
     7           |      -0.00001479516631847886
     50826       |      0.00002505766953904366
     35464       |      0.00001301061500347112

Теперь мы сравним и увидим график исходных значений и стандартизированных значений.

Python3

# Here We are checking the Graph

# of the Original Values

plt.scatter(dataset_0, dataset_1, label="stars",

            color="blue", marker="*", s=40)

plt.xlabel('x - axis')

plt.ylabel('y - axis')

plt.legend()

plt.show()



# Here we are checking the Graph of

# the Standardized Values

plt.scatter(dataset_0, final_z_score, label="stars",

            color="blue", marker="*", s=30)

plt.xlabel('x - axis')

plt.ylabel('y - axis')

plt.legend()

plt.show()

Выход :

График исходных значений

График стандартизированных значений

Python3

final_z_score = []

for i in dataset_1:

z_score = (i-mean)/standard_deviation

final_z_score.append("{:.20f}".format(z_score))

Сравнение значений исходного набора данных и уменьшенного набора данных.

Python3

print(" Original DataSet | Z-Score ")

print()

for i in range(len(dataset_1)):

print(" ", dataset_1[i], " | ", final_z_score[i])

Выход :

  Original DataSet   |               Z-Score 

          1          |      -0.00001479987158649171
          99         |      -0.00001472301887561513
          789        |      -0.00001418191305413712
          5          |      -0.00001479673474114981
          6859       |      -0.00000942175024780167
          541        |      -0.00001437639746533501
          94142      |      0.00005902656774649453
          7          |      -0.00001479516631847886
          50826      |      0.00002505766953904366
          35464      |      0.00001301061500347112

Сравнение диапазона значений с помощью графиков

1) График исходных значений

Python3

# Now we will compare and see the graph

# of the Original Values and the

# Standardized Values

import matplotlib

import matplotlib.pyplot as plt

# Here We are checking the Graph of the

# Original Values

plt.scatter(dataset_0, dataset_1, label="stars",

color="blue", marker="*", s=40)

plt.xlabel('x - axis')

plt.ylabel('y - axis')

plt.title('Original Values')

plt.legend()

plt.show()

Выход :

График исходных значений

2) График стандартизированных значений

Python3

import matplotlib

import matplotlib.pyplot as plt

plt.scatter(dataset_0, final_z_score, label= "stars",

            color= "blue", marker= "*", s=30)



plt.xlabel('x - axis')

plt.ylabel('y - axis')

plt.title('Original Values')

plt.legend()



plt.show()