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

Fatos de plantas e animais para lembrar para o exame de biologia AP - dummies

Fatos de plantas e animais para lembrar para o exame de biologia AP - dummies

A seguinte lista contém algumas das informações mais desafiadoras sobre plantas e animais que você pode encontrar no exame de biologia AP. Estude esta lista, desde que você precise - se você se lembrar dessa informação durante o teste, você fará tudo bem. As plantas vasculares têm raízes, rebentos e caules, cada um dos quais ...

Física Tópicos para estudar para o teste Miller Analogies (MAT) - dummies

Física Tópicos para estudar para o teste Miller Analogies (MAT) - dummies

Massa , velocidade, aceleração - sim, é hora de rever toda a física que você aprendeu no ensino médio e se preparar para o MAT (Miller Analogies Test). Para o MAT, familiarizar-se com a física não implica aprender equações complicadas. Você só precisa se lembrar de alguns termos de física e aprender sobre alguns físicos famosos. Essas listas ajudam ...

Médico Assistente de Exame para Dummies Cheat Sheet - dummies

Médico Assistente de Exame para Dummies Cheat Sheet - dummies

Quando você está se preparando para tomar a PANCE ou PANRE , você pode sentir que precisa conhecer uma quantidade infinita de informações. Como você vai se lembrar de todos os detalhes de tantas doenças e condições? Aqui, você pode revisar alguns mnemônicos úteis que não só ajudarão seu recall como você se prepara para o seu ...

Escolha dos editores

Como criar uma ordem de compra no QuickBooks 2010 - dummies

Como criar uma ordem de compra no QuickBooks 2010 - dummies

Você pode usar o QuickBooks para criar uma compra Ordem para o seu negócio. Uma ordem de compra informa um fornecedor que deseja comprar algum item. Na verdade, um pedido de compra é um contrato para compra.

Como personalizar os formulários de verificação no QuickBooks 2011 - dummies

Como personalizar os formulários de verificação no QuickBooks 2011 - dummies

Antes de escrever suas verificações no QuickBooks, você pode decida que deseja personalizá-los um pouco. Você pode querer que seus cheques reflitam a aparência do seu negócio. Por exemplo, o QuickBooks oferece a oportunidade de alterar as fontes em seus cheques. Se você clicar na aba Fontes na caixa de diálogo Verificar impressão ...

Como personalizar os formulários on-line do QuickBooks para lidar com os subtotais - manequins

Como personalizar os formulários on-line do QuickBooks para lidar com os subtotais - manequins

Se precisar subtotar informações sobre o seu formulários de vendas, configure formulários de vendas no QuickBooks Online para que você possa incluir subtotais neles. Você pode subtotar linhas em uma fatura, uma estimativa ou um recibo de venda. Primeiro, ative o recurso; Para este exemplo, ative o recurso para o formulário de fatura. Siga ...

Escolha dos editores

Como converter imagens em modo escala de cinza em Photoshop Elements 11 - dummies

Como converter imagens em modo escala de cinza em Photoshop Elements 11 - dummies

Imagens em escala de cinza têm preto e pixels brancos e qualquer um dos 256 níveis de cinza. Ao converter uma imagem RGB em escala de cinza no Photoshop Elements 11, você pode fazer com que pareça uma foto em preto e branco. Evite converter em escala de cinza escolhendo Image → Mode → Grayscale. Quando os elementos executam essa conversão, ele remove toda a cor dos pixels, ...

Como converter imagens em modo escala de cinza em Photoshop Elements 9 - dummies

Como converter imagens em modo escala de cinza em Photoshop Elements 9 - dummies

Em Photoshop Elements, você pode converter uma imagem RGB em escala de cinza, fazendo com que pareça uma foto em preto e branco. As imagens de tons de cinza têm pixels em preto e branco e qualquer um dos 256 níveis de cinza. No entanto, você não precisa desistir de seus dados de cores. Como alternativa ao uso do comando de menu para converter imagens para ...

Como corrigir imagens com curvas de cores - dummies

Como corrigir imagens com curvas de cores - dummies

Photoshop Elements 10 emprestou um recurso muito usado do Photoshop chamado Curves. No entanto, adicionou a palavra Cor e tirou parte de sua sofisticação. No entanto, o ajuste Color Curves tenta melhorar o alcance tonal em imagens a cores fazendo ajustes em destaques, sombras e tons médios em cada canal de cores. Tente usar este comando em ...