Särdrag med saknade värden eller låg varians

Dimensionsreduktion i Python

Jeroen Boeye

Head of Machine Learning, Faktion

Skapa en särdragsväljare

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])

Tillämpa en särdragsväljare

print(ansur_df.shape)

(6068, 94)

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

(6068, 93)

Begränsningar med variansväljaren

buttock_df.boxplot()

lådagram för särdrag

Normalisera variansen

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)

Väljare för saknade värden

pokémon-urval

Väljare för saknade värden

pokémon-urval med NaN

Identifiera saknade värden

pokemon_df.isna()

pokémon-urval med NaN som boolesk

Räkna saknade värden

pokemon_df.isna().sum()

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

Räkna saknade värden

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

Tillämpa ett tröskelvärde för saknade värden

# 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

Tillämpa ett tröskelvärde för saknade värden

reduced_df = pokemon_df.loc[:, mask]

reduced_df.head()

pokémon-urval efter mask

Nu kör vi en övning!

Dimensionsreduktion i Python