Sayısal özellikler

Sayısal özellikler ölçeklendirilerek model performansı artırılır.

Sayısal dönüşümler

Sayısal özellikler de dönüştürülerek daha kullanışlı hale getirilebilir. Gelir gibi sağa çarpık dağılımlarda logaritma uç değerleri sıkıştırır:

gelir = np.array([20, 25, 30, 40, 500])
print(np.log1p(gelir).round(2))   # [3.04 3.26 3.43 3.71 6.22]

np.log1p(x), log(1 + x) demektir ve 0 değerinde de güvenle çalışır.

Gruplama ve polinom

Sürekli bir değer aralıklara bölünebilir (KBinsDiscretizer, np.digitize). Doğrusal modele eğri ilişki öğretmek için PolynomialFeatures kareler ve çarpımlar ekler:

yas = np.array([15, 25, 45, 70])
print(np.digitize(yas, [18, 40, 65]))   # [0 1 2 3]  genç, yetişkin, orta, yaşlı

from sklearn.preprocessing import PolynomialFeatures
print(PolynomialFeatures(2, include_bias=False).fit_transform([[2, 3]]))
# [[2. 3. 4. 6. 9.]]  x1, x2, x1², x1·x2, x2²

Polinom özellik sayısı hızla büyür; derece 2 ya da 3 genellikle yeterlidir.

Uygulama Eğriyi doğrusal modele öğret

y = x² ilişkisinde düz LinearRegression ve PolynomialFeatures(2) ile genişletilmiş bir LinearRegression eğit. İkisinin R² skorunu (score) round(..., 3) ile alt alta yazdır.

Örnek çözümü göster

import numpy as np
from sklearn.linear_model import LinearRegression
from sklearn.preprocessing import PolynomialFeatures

X = np.arange(-5, 6).reshape(-1, 1)
y = X.ravel() ** 2

duz = LinearRegression().fit(X, y)
Xp = PolynomialFeatures(2).fit_transform(X)
egri = LinearRegression().fit(Xp, y)
print(round(duz.score(X, y), 3))
print(round(egri.score(Xp, y), 3))

Kendini test et

Logaritma dönüşümü hangi tür dağılımda en çok işe yarar?
- Sağa çarpık, uzun kuyruklu
- Simetrik
- Kategorik
- Negatif değerli
Cevabı göster

Sağa çarpık, uzun kuyruklu — Büyük değerleri sıkıştırıp dağılımı daha simetrik yapar.

Değerleri sınırlara göre gruplara ayır.

grup = np.____(yas, [18, 40, 65])

Cevabı göster

grup = np.digitize(yas, [18, 40, 65])

Dönüşümleri amaçlarıyla eşleştir.

np.log1p

Çarpıklığı azaltır
np.digitize

Aralıklara böler
PolynomialFeatures

Eğri ilişki ekler
x1·x2

Etkileşim özelliği

Sıradaki ders: Özet - Özellik mühendisliği

Deneyiminizi Geliştiriyoruz

Çerez Tercihleri

Kesinlikle Gerekli Çerezler

Analitik Çerezler