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

Como criar um módulo HTML personalizado no Joomla - dummies

Como criar um módulo HTML personalizado no Joomla - dummies

Uma das grandes coisas sobre o Joomla é o quão incrivelmente flexível é. A instalação padrão do CMS inclui 23 módulos diferentes para ajudá-lo a fazer seu site funcionar sem problemas. Às vezes, no entanto, você pode querer adicionar uma função ao seu site que esses 23 módulos simplesmente não vão cobrir. Sob tais circunstâncias, você pode querer considerar ...

Como criar um item de menu no Joomla Content Management - manequins

Como criar um item de menu no Joomla Content Management - manequins

Um item de menu determina o layout dos artigos, que é um dos aspectos do Joomla para o qual você precisa se acostumar. As páginas da Web não existem fisicamente no Joomla - elas são apenas itens no seu banco de dados - até que a página seja acessada. Quando você abre um artigo, o Joomla tira os dados necessários do ...

Como criar um novo item de menu com o Joomla! 1. 6 - dummies

Como criar um novo item de menu com o Joomla! 1. 6 - dummies

Não estresse se você precisa criar um item de menu em sua página da Web interativa - é fácil ao usar o Joomla! Gerenciador de menu. Para adicionar itens de menu a um site existente, basta usar estas etapas: Escolha Menus → Gerenciador de menus para abrir o Gerenciador de menus. Clique no nome do menu que deseja adicionar um novo ...

Escolha dos editores

Obtendo Ajuda do Eclipse - dummies

Obtendo Ajuda do Eclipse - dummies

Com a complexidade do Java e a nuance do Eclipse, você não pode esperar para lembrar de tudo. Às vezes, você precisa de um pouco mais de ajuda do Eclipse para começar sua programação. Felizmente, o Eclipse oferece ajuda geral e sensível ao contexto: para ajuda sensível ao contexto: no Windows, pressione F1. No Linux, pressione Ctrl + F1. Em um Mac, pressione ...

Software gratuito: preenchimento automático de células no OpenOffice. org Calc - dummies

Software gratuito: preenchimento automático de células no OpenOffice. org Calc - dummies

OpenOffice. org - uma alternativa gratuita para o Microsoft Office - inclui Calc, uma planilha eletrônica semelhante ao Excel. O Calc fornece uma maneira fácil de criar automaticamente uma coluna ou linha de números em qualquer sequência que você especificar. Esse recurso de preenchimento automático é útil para criar listas numeradas ou preencher os cabeçalhos de colunas e linhas de tabelas, como ...

Acessos acessíveis no modo de exibição do Prezi - dummies

Acessos acessíveis no modo de exibição do Prezi - dummies

O prezi possui dois modos de operação diferentes: Modo de edição, no qual você crie sua apresentação e Show Mode, no qual você apresenta suas criações. No modo Show, use esses atalhos úteis para tornar sua apresentação ainda mais suave. Use esta como uma lista de verificação de prática antes de começar: Use esta função: Para fazer isso: Completo ...

Escolha dos editores

Elementos HTML básicos - dummies

Elementos HTML básicos - dummies

HyperText Markup Language (HTML) é o idioma da web, onde os elementos ditaram a formatação e o estilo do seu conteúdo. Os elementos HTML compõem a codificação baixada que você vê quando você acessa uma página da Web em seu navegador da Web (como Internet Explorer, Firefox ou Safari). Aqui estão alguns elementos básicos para você ...

Usando AutoCAD DesignCenter - dummies

Usando AutoCAD DesignCenter - dummies

DesignCenter é um nome tolo para uma paleta útil, se um pouco ocupada. A paleta DesignCenter é útil para dados de mineração de todos os tipos de desenhos. Enquanto a paleta Propriedades está preocupada com as propriedades do objeto, a paleta DesignCenter lida principalmente com objetos nomeados: camadas, tipos de linha, definições de bloco (isto é, símbolo), estilos de texto e outros objetos organizacionais ...

Zoom e Panning no AutoCAD - dummies

Zoom e Panning no AutoCAD - dummies

O AutoCAD facilita a panorâmica, oferecendo barras de rolagem e panning em tempo real. Na panorâmica em tempo real (em oposição à panorâmica de finalização), você pode ver objetos movendo-se na tela enquanto você arrasta o mouse para cima e para baixo ou para frente e para trás. Claro, o ponto de vista está em movimento, não os objetos. Tanto a panorâmica quanto o zoom mudam a visualização ...