机器学习 - 缩放
缩放特征
当你的数据具有不同的值，甚至不同的测量单位时，很难比较它们。公斤和米怎么比较？还是海拔和时间怎么比较？
解决这个问题的答案是缩放。我们可以将数据缩放成新的值，更容易比较。
看看下面的表格，它与我们在 多元回归章节 中使用的相同数据集，但这次 **volume** 列包含的是升而不是立方厘米（1.0 而不是 1000）。
| 汽车 | 型号 | 容积 | 重量 | CO2 |
| 丰田 | Aygo | 1.0 | 790 | 99 |
| 三菱 | Space Star | 1.2 | 1160 | 95 |
| 斯柯达 | Citigo | 1.0 | 929 | 95 |
| 菲亚特 | 500 | 0.9 | 865 | 90 |
| MINI | Cooper | 1.5 | 1140 | 105 |
| 大众 | Up! | 1.0 | 929 | 105 |
| 斯柯达 | Fabia | 1.4 | 1109 | 90 |
| 梅赛德斯 | A 级 | 1.5 | 1365 | 92 |
| 福特 | 嘉年华 | 1.5 | 1112 | 98 |
| 奥迪 | A1 | 1.6 | 1150 | 99 |
| 现代 | I20 | 1.1 | 980 | 99 |
| 铃木 | Swift | 1.3 | 990 | 101 |
| 福特 | 嘉年华 | 1.0 | 1112 | 99 |
| 本田 | 思域 | 1.6 | 1252 | 94 |
| 现代 | I30 | 1.6 | 1326 | 97 |
| 欧宝 | Astra | 1.6 | 1330 | 97 |
| 宝马 | 1 | 1.6 | 1365 | 99 |
| 马自达 | 3 | 2.2 | 1280 | 104 |
| 斯柯达 | Rapid | 1.6 | 1119 | 104 |
| 福特 | 福克斯 | 2.0 | 1328 | 105 |
| 福特 | 蒙迪欧 | 1.6 | 1584 | 94 |
| 欧宝 | 英速亚 | 2.0 | 1428 | 99 |
| 梅赛德斯 | C 级 | 2.1 | 1365 | 99 |
| 斯柯达 | 明锐 | 1.6 | 1415 | 99 |
| 沃尔沃 | S60 | 2.0 | 1415 | 99 |
| 梅赛德斯 | CLA | 1.5 | 1465 | 102 |
| 奥迪 | A4 | 2.0 | 1490 | 104 |
| 奥迪 | A6 | 2.0 | 1725 | 114 |
| 沃尔沃 | V70 | 1.6 | 1523 | 109 |
| 宝马 | 5 | 2.0 | 1705 | 114 |
| 梅赛德斯 | E 级 | 2.1 | 1605 | 115 |
| 沃尔沃 | XC70 | 2.0 | 1746 | 117 |
| 福特 | B-Max | 1.6 | 1235 | 104 |
| 宝马 | 2 | 1.6 | 1390 | 108 |
| 欧宝 | Zafira | 1.6 | 1405 | 109 |
| 梅赛德斯 | SLK | 2.5 | 1395 | 120 |
很难比较 1.0 的容积和 790 的重量，但如果我们把它们都缩放到可比较的值，我们可以很容易地看到一个值与另一个值相比有多大。
有不同的方法来缩放数据，在本教程中我们将使用一种称为标准化的方法。
标准化方法使用以下公式
z = (x - u) / s
其中 z 是新值，x 是原始值，u 是平均值，s 是标准差。
如果你取上面数据集中 **weight** 列，第一个值是 790，缩放后的值将是
(790 - 1292.23) / 238.74 = -2.1
如果从上面数据集中的 **体积** 列中取出第一个值，值为 1.0，那么缩放后的值为
现在你可以将 -2.1 与 -1.59 进行比较，而不是将 790 与 1.0 进行比较。
你不必手动进行此操作，Python 的 sklearn 模块有一个名为 StandardScaler() 的方法，它返回一个包含用于转换数据集的方法的缩放器对象。
示例
缩放重量和体积列中的所有值
import pandas
from sklearn import linear_model
from sklearn.preprocessing import StandardScaler
scale = StandardScaler()
df = pandas.read_csv("data.csv")
X = df[['Weight', 'Volume']]
scaledX = scale.fit_transform(X)
print(scaledX)
结果
请注意，前两个值为 -2.1 和 -1.59，这与我们的计算结果相符
[[-2.10389253 -1.59336644] [-0.55407235 -1.07190106] [-1.52166278 -1.59336644] [-1.78973979 -1.85409913] [-0.63784641 -0.28970299] [-1.52166278 -1.59336644] [-0.76769621 -0.55043568] [ 0.3046118 -0.28970299] [-0.7551301 -0.28970299] [-0.59595938 -0.0289703 ] [-1.30803892 -1.33263375] [-1.26615189 -0.81116837] [-0.7551301 -1.59336644] [-0.16871166 -0.0289703 ] [ 0.14125238 -0.0289703 ] [ 0.15800719 -0.0289703 ] [ 0.3046118 -0.0289703 ] [-0.05142797 1.53542584] [-0.72580918 -0.0289703 ] [ 0.14962979 1.01396046] [ 1.2219378 -0.0289703 ] [ 0.5685001 1.01396046] [ 0.3046118 1.27469315] [ 0.51404696 -0.0289703 ] [ 0.51404696 1.01396046] [ 0.72348212 -0.28970299] [ 0.8281997 1.01396046] [ 1.81254495 1.01396046] [ 0.96642691 -0.0289703 ] [ 1.72877089 1.01396046] [ 1.30990057 1.27469315] [ 1.90050772 1.01396046] [-0.23991961 -0.0289703 ] [ 0.40932938 -0.0289703 ] [ 0.47215993 -0.0289703 ] [ 0.4302729 2.31762392]]
预测 CO2 值
在 多元回归章节 中的任务是，当你只知道汽车的重量和体积时预测汽车的 CO2 排放量。
当数据集被缩放时，你需要在预测值时使用该缩放器。
示例
预测一辆重量为 2300 公斤、体积为 1.3 升的汽车的 CO2 排放量
import pandas
from sklearn import linear_model
from sklearn.preprocessing import StandardScaler
scale = StandardScaler()
df = pandas.read_csv("data.csv")
X = df[['Weight', 'Volume']]
y = df['CO2']
scaledX = scale.fit_transform(X)
regr = linear_model.LinearRegression()
regr.fit(scaledX, y)
scaled = scale.transform([[2300, 1.3]])
predictedCO2 = regr.predict([scaled[0]])
print(predictedCO2)
结果
[107.2087328]
