Feature con valori mancanti o bassa varianza

Riduzione della dimensionalità in Python

Jeroen Boeye

Head of Machine Learning, Faktion

Creare un selettore di feature

print(ansur_df.shape)

(6068, 94)

from sklearn.feature_selection import VarianceThreshold

sel = VarianceThreshold(threshold=1)

sel.fit(ansur_df)

mask = sel.get_support()
print(mask)

array([ True,  True, ..., False,  True])

Applicare un selettore di feature

print(ansur_df.shape)

(6068, 94)

reduced_df = ansur_df.loc[:, mask]
print(reduced_df.shape)

(6068, 93)

Avvertenze sul selettore di varianza

buttock_df.boxplot()

boxplot delle feature

Normalizzare la varianza

from sklearn.feature_selection import VarianceThreshold

sel = VarianceThreshold(threshold=0.005)

sel.fit(ansur_df / ansur_df.mean())

mask = sel.get_support()
reduced_df = ansur_df.loc[:, mask]
print(reduced_df.shape)

(6068, 45)

Selettore di valori mancanti

esempio di pokemon

Selettore di valori mancanti

esempio di pokemon con NaN

Individuare i valori mancanti

pokemon_df.isna()

boolean NaN nei pokemon

Contare i valori mancanti

pokemon_df.isna().sum()

Name         0
Type 1       0
Type 2     386
Total        0
HP           0
Attack       0
Defense      0
dtype: int64

Contare i valori mancanti

pokemon_df.isna().sum() / len(pokemon_df)

Name       0.00
Type 1     0.00
Type 2     0.48
Total      0.00
HP         0.00
Attack     0.00
Defense    0.00
dtype: float64

Applicare una soglia sui valori mancanti

# Meno del 30% di valori mancanti = valore True
mask = pokemon_df.isna().sum() / len(pokemon_df) < 0.3
print(mask)

Name        True
Type 1      True
Type 2     False
Total       True
HP          True
Attack      True
Defense     True
dtype: bool

Applicare una soglia sui valori mancanti

reduced_df = pokemon_df.loc[:, mask]

reduced_df.head()

esempio di pokemon dopo la maschera

Esercitiamoci

Riduzione della dimensionalità in Python