Lar Finanças Pessoais Como preparar dados para análise preditiva - manequins

Como preparar dados para análise preditiva - manequins

Índice:

Vídeo: Excel 2013 Usando Data Mining para Análise Preditiva 2025

Vídeo: Excel 2013 Usando Data Mining para Análise Preditiva 2025
Anonim

Quando você está aprendendo uma nova linguagem de programação, é costume escrever o programa "Olá mundo". Para a aprendizagem de máquinas e análises preditivas, a criação de um modelo para classificar o conjunto de dados Iris é o programa equivalente "Olá mundo". Este é um exemplo bastante simples, mas é muito eficaz em ensinar os conceitos básicos de aprendizagem mecânica e análises preditivas.

Como obter o conjunto de dados de amostra

Para criar nosso modelo preditivo, você precisará baixar o conjunto de dados de amostra do Iris. Este conjunto de dados está disponível gratuitamente em várias fontes, especialmente em instituições acadêmicas que possuem departamentos de aprendizagem em máquina. Felizmente, as pessoas foram boas o suficiente para incluir alguns conjuntos de dados de amostra e funções de carregamento de dados, juntamente com o pacote deles. Para os fins desses exemplos, você só precisará executar algumas linhas simples de código para carregar os dados.

Como rotular seus dados

Aqui está uma observação e seus recursos de cada classe do conjunto de dados da Flor Iris.

Comprimento Sepal Largura Sepal Comprimento da pétala Largura da pétala Classe alvo / Etiqueta
5. 1 3. 5 1. 4 0. 2 Setosa (0)
7. 0 3. 2 4. 7 1. 4 Versicolor (1)
6. 3 3. 3 6. 0 2. 5 Virginica (2)

O conjunto de dados da flor Iris é um conjunto de dados multivariável real de três classes da flor Iris ( Iris setosa, Iris virginica, e Iris versicolor ) introduzidas por Ronald Fisher, em seu artigo de 1936, "O uso de medidas múltiplas em problemas taxonômicos". "Este conjunto de dados é mais conhecido por seu uso extensivo na academia para aprendizado de máquinas e estatísticas.

O conjunto de dados é composto por 150 casos totais, com 50 instâncias de cada uma das 3 classes da flor Iris. A amostra tem 4 recursos (também comumente chamados atributos ), que são as medidas de comprimento e largura das sepalas e pétalas.

A parte interessante deste conjunto de dados é que as três classes são separadamente linearmente separáveis. A classe Setosa pode ser separada das outras duas classes desenhando uma linha reta no gráfico entre elas. As classes Virginica e Versicolor não podem ser perfeitamente separadas usando uma linha reta - embora seja próxima. Isso torna um conjunto de dados perfeito para fazer análise de classificação, mas não é tão bom para a análise de agrupamento.

Os dados da amostra já foram rotulados. A coluna direita (Etiqueta) acima mostra os nomes de cada classe da flor Iris.O nome da classe é chamado de rótulo ou um alvo ; geralmente é atribuído a uma variável chamada y . É basicamente o resultado ou o resultado do que está sendo previsto.

Em estatísticas e modelagem, muitas vezes é referido como variável dependente . Depende das entradas que correspondem ao comprimento e largura do sépalo e ao comprimento e largura da pétala.

Você também pode querer saber o que é diferente sobre o conjunto de dados Iris pré-processado scikit, em comparação com o conjunto de dados original. Para descobrir, você precisa obter o arquivo de dados original. Você pode fazer uma pesquisa do Google conjunto de dados de íris e baixá-lo ou visualizá-lo de qualquer uma das instituições acadêmicas.

O resultado que geralmente aparece primeiro é o repositório de conjuntos de dados da Universidade da Califórnia Irvine (UCI). O conjunto de dados Iris em seu estado original do repositório UCI de aprendizagem em máquina pode ser encontrado no site da UCI.

Se você baixá-lo, você deve poder visualizá-lo com qualquer editor de texto. Ao visualizar os dados no arquivo, você notará que existem cinco colunas em cada linha. As primeiras quatro colunas são as medições (denominadas características ) e a última coluna é o rótulo. O rótulo difere entre as versões original e scikit do conjunto de dados Iris.

Outra diferença é a primeira linha do arquivo de dados. Inclui uma linha de cabeçalho usada pela função de carregamento de dados do scikit. Não tem efeito sobre os próprios algoritmos.

Normalização de recursos para números em vez de mantê-los como texto facilita o processamento dos algoritmos - e é muito mais eficiente em termos de memória. Isso é especialmente evidente se você executar conjuntos de dados muito grandes com muitos recursos - o que geralmente acontece em cenários reais.

Aqui estão os dados de amostra de ambos os arquivos. Todas as colunas de dados são as mesmas, exceto para o Col5. Note-se que scikit tem nomes de classe com rótulos numéricos; O arquivo original possui rótulos de texto.

Fonte Col1 Col2 Col3 Col4 Col5
scikit 5. 1 3. 5 1. 4 0. 2 0
original 5. 1 3. 5 1. 4 0. 2 Iris-setosa
scikit 7. 0 3. 2 4. 7 1. 4 1
original 7. 0 3. 2 4. 7 1. 4 Iris-versicolor
scikit 6. 3 3. 3 6. 0 2. 5 2
original 6. 3 3. 3 6. 0 2. 5 Iris-virginica
Como preparar dados para análise preditiva - manequins

Escolha dos editores

Dicas para direcionar seu filme digital - manequins

Dicas para direcionar seu filme digital - manequins

Como diretor, é seu trabalho levar o filme a vida através de da maneira como seus atores interpretam os personagens e como a equipe filme cada tiro. O diretor trabalha com os atores e a equipe para obter o melhor deles e certifique-se de que a história seja contada através do que eles fazem. Dirigindo seu ...

Dez Wedding DSLR Filmmaking Techniques - dummies

Dez Wedding DSLR Filmmaking Techniques - dummies

Usando sua DSLR para filmar um casamento geralmente reside no final oposto da peça criativa espectro de fazer seu filme de autor. Aqui estão os dez melhores aspectos que você precisa considerar para mantê-lo vivo ao capturar esse evento único na vida. Tenha o equipamento de vídeo certo Você não poderá fazer um casamento até ...

Dez dicas para filmes documentários DSLR - dummies

Dez dicas para filmes documentários DSLR - dummies

Um documentário é uma conta de filme de não ficção de um tópico. Para fazer seu documentário DSLR de qualquer comprimento e assunto em algo que as pessoas acham interessante, considere estas dez dicas. Conheça o tópico que pretende filmar Se você está fazendo um filme de duração de duas horas ou um vídeo on-line de dois minutos, você precisa ...

Escolha dos editores

Como lucrar com a mamãe Blogando sem vender - manequins

Como lucrar com a mamãe Blogando sem vender - manequins

Vender é um termo usado para comprometendo sua integridade, princípios ou moral para ganhar dinheiro ou sucesso. O problema é que, se todos tivessem os mesmos princípios e a definição de integridade, não haveria muita necessidade de diferentes partidos políticos ou religiões. As pessoas podem ser acusadas de vender se eles simplesmente fazem coisas como ...

Como usar corretamente palavras-chave para sua comunidade online - manequins

Como usar corretamente palavras-chave para sua comunidade online - manequins

Quando você tem uma boa idéia de os tipos de palavras-chave para usar em sua comunidade online, é hora de escrever o conteúdo para que pareça natural. Muitas pessoas pimenta palavras-chave liberalmente em torno de suas postagens de blog, artigos da web, sobre páginas e outros conteúdos, o que parece bobo e errado. Embora o uso de palavras-chave seja bom ...

Como colocar anúncios no seu blog - manequins

Como colocar anúncios no seu blog - manequins

Para obter anúncios no site do seu blog, os programas que você Inscreva-se para fornecer-lhe geralmente um pouco de código que você insere em seus modelos de site. Alguns programas têm instruções passo-a-passo para pacotes populares de software de blog, mas esteja ciente de que você também precisará consultar a documentação do seu blog para obter ajuda com ...

Escolha dos editores

Exibindo Números como palavras no Excel - manequins

Exibindo Números como palavras no Excel - manequins

Se você já precisou exibir um número escrito como texto , você provavelmente descobriu que o Excel não oferece essa função. Quando o Excel não entrega, muitas vezes é possível corrigir a deficiência usando o VBA. Aqui está uma função VBA, denominada SPELLDOLLARS, que você pode usar nas fórmulas da planilha. Exemplos de Excel Aqui estão ...

Determinando a audiência para seu modelo financeiro - manequins

Determinando a audiência para seu modelo financeiro - manequins

Que estará visualizando ou usando seu modelo financeiro no futuro ? Se for apenas para seu próprio uso, você ainda deve seguir um bom modelo de design, mas não há necessidade de passar muito tempo na formatação para que pareça legal. Você ainda deve adicionar suposições e documentação de origem para o seu próprio ...

Eliminando células e dados no Excel 2007 - dummies

Eliminando células e dados no Excel 2007 - dummies

No Microsoft Office Excel 2007, quando você precisa excluir dados , remova a formatação em uma seleção de célula ou remova células inteiras, linhas ou colunas, você tem muitas opções dependendo do seu objetivo. O Excel pode executar dois tipos de exclusões de células em uma planilha: limpar dados de células e excluir a célula. Limpar o conteúdo da célula Limpar apenas ...