Caracteristici cu valori lipsă sau varianță redusă

Reducerea dimensionalității în Python

Jeroen Boeye

Head of Machine Learning, Faktion

Crearea unui selector de caracteristici

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])
Reducerea dimensionalității în Python

Aplicarea unui selector de caracteristici

print(ansur_df.shape)

(6068, 94)

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

(6068, 93)
Reducerea dimensionalității în Python

Limite ale selectorului de varianță

buttock_df.boxplot()

boxplot-uri caracteristici

Reducerea dimensionalității în Python

Normalizarea varianței

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)
Reducerea dimensionalității în Python

Selector pentru valori lipsă

eșantion pokemon

Reducerea dimensionalității în Python

Selector pentru valori lipsă

eșantion pokemon nan

Reducerea dimensionalității în Python

Identificarea valorilor lipsă

pokemon_df.isna()

eșantion pokemon nan boolean

Reducerea dimensionalității în Python

Numărarea valorilor lipsă

pokemon_df.isna().sum()

Name         0
Type 1       0
Type 2     386
Total        0
HP           0
Attack       0
Defense      0
dtype: int64
Reducerea dimensionalității în Python

Numărarea valorilor lipsă

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
Reducerea dimensionalității în Python

Aplicarea unui prag pentru valori lipsă

# Fewer than 30% missing values = True value
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
Reducerea dimensionalității în Python

Aplicarea unui prag pentru valori lipsă

reduced_df = pokemon_df.loc[:, mask]

reduced_df.head()

eșantion pokemon după mască

Reducerea dimensionalității în Python

Vamos a practicar!

Reducerea dimensionalității în Python

Preparing Video For Download...