در این مطلب، ویدئو مقیاس بندی ویژگی ها در پایتون | مقیاس بندی ویژگی | آموزش یادگیری ماشین | کدگنان با زیرنویس فارسی را برای دانلود قرار داده ام. شما میتوانید با پرداخت 15 هزار تومان ، این ویدیو به علاوه تمامی فیلم های سایت را دانلود کنید.اکثر فیلم های سایت به زبان انگلیسی می باشند. این ویدئو دارای زیرنویس فارسی ترجمه شده توسط هوش مصنوعی می باشد که میتوانید نمونه ای از آن را در قسمت پایانی این مطلب مشاهده کنید.
مدت زمان فیلم: 00:09:56
تصاویر این ویدئو:
قسمتی از زیرنویس این فیلم:
00:00:00,030 –> 00:00:06,580
[موسیقی]
2
00:00:07,200 –> 00:00:08,559
سلام به همه
3
00:00:08,559 –> 00:00:11,120
و خوش آمدید، بنابراین در این ویدیو
4
00:00:11,120 –> 00:00:12,240
میخواهیم ببینیم
5
00:00:12,240 –> 00:00:15,519
چگونه میتوانیم مقیاسبندی ویژگی را در
6
00:00:15,519 –> 00:00:18,720
پایتون انجام دهیم، بنابراین در اینجا ابتدا از هیچ بستهای استفاده
7
00:00:18,720 –> 00:00:21,760
8
00:00:21,760 –> 00:00:24,720
نمیکنیم، اما به صورت دستی این کار را انجام میدهیم سپس
9
00:00:24,720 –> 00:00:25,760
خواهیم دید
10
00:00:25,760 –> 00:00:28,320
که چگونه میتوانیم می تواند
11
00:00:28,320 –> 00:00:29,359
با استفاده از
12
00:00:29,359 –> 00:00:32,800
بسته sql در اینجا همان چیزی را پیاده سازی کند، بنابراین در اینجا ما
13
00:00:32,800 –> 00:00:35,040
این دو بسته را وارد کرده ایم که
14
00:00:35,040 –> 00:00:36,079
15
00:00:36,079 –> 00:00:39,360
pandas numpy است و این چارچوب داده را ایجاد
16
00:00:39,360 –> 00:00:40,160
17
00:00:40,160 –> 00:00:42,800
کرده ایم که در آن این ویژگی را داریم که
18
00:00:42,800 –> 00:00:44,559
قیمت در ایالات متحده
19
00:00:44,559 –> 00:00:48,320
و قیمت در inrt است، بنابراین در
20
00:00:48,320 –> 00:00:50,800
اینجا می خواهم این عملیات مقیاسبندی
21
00:00:50,800 –> 00:00:52,000
را
22
00:00:52,000 –> 00:00:55,120
برای قیمت در ایالات متحده انجام دهید تا
23
00:00:55,120 –> 00:00:58,160
بتوانید به همین صورت مراجعه کنید و آن را برای
24
00:00:58,160 –> 00:00:59,520
قیمت در
25
00:00:59,520 –> 00:01:02,960
inr در اینجا کاملاً درست انجام دهید، بنابراین در اینجا ما این
26
00:01:02,960 –> 00:01:06,320
دو روش را برای انجام این مقیاسبندی یا
27
00:01:06,320 –> 00:01:07,439
مقیاسبندی
28
00:01:07,439 –> 00:01:10,720
ویژگیهایمان به درستی میدانیم.
29
00:01:10,720 –> 00:01:14,320
ما همچنین می دانیم
30
00:01:14,320 –> 00:01:14,720
که
31
00:01:14,720 –> 00:01:18,400
فرمول آن با x منهای
32
00:01:18,400 –> 00:01:21,680
x میانگین تقسیم بر x حداکثر
33
00:01:21,680 –> 00:01:25,600
منهای x میانگین داده شده است و مقیاس استاندارد
34
00:01:25,600 –> 00:01:29,439
x منهای میانگین تقسیم بر
35
00:01:29,439 –> 00:01:32,479
انحراف استاندارد است، بنابراین اول از همه اجازه دهید
36
00:01:32,479 –> 00:01:33,920
این
37
00:01:33,920 –> 00:01:37,840
میانگین حداکثر عادی سازی را انجام دهیم و
38
00:01:37,840 –> 00:01:40,479
آن را در اینجا ببینید m این میانگین حداکثر
39
00:01:40,479 –> 00:01:41,759
نرمال سازی
40
00:01:41,759 –> 00:01:45,040
شما باید حداقل مقدار را پیدا کنید
41
00:01:45,040 –> 00:01:48,240
و مقدار حداکثر را ابتدا در سمت راست پیدا کنید
42
00:01:48,240 –> 00:01:48,880
که
43
00:01:48,880 –> 00:01:51,040
تنها کاری که باید انجام دهید این است که باید
44
00:01:51,040 –> 00:01:52,159
داده ها را بنویسید
45
00:01:52,159 –> 00:01:56,799
و زیر خط قیمت نشان دهید
46
00:01:56,799 –> 00:01:59,920
میانگین نقطه آمریکا و
47
00:01:59,920 –> 00:02:03,360
حداقل مقدار را در آن ویژگی و
48
00:02:03,360 –> 00:02:04,719
49
00:02:04,719 –> 00:02:09,119
به همین ترتیب می توانید حداکثر مقدار را نیز پیدا کنید،
50
00:02:09,119 –> 00:02:13,840
بنابراین قیمت بر usa dot max تأکید می کند
51
00:02:13,840 –> 00:02:17,680
و در اینجا ما این
52
00:02:17,680 –> 00:02:20,959
مقدار حداکثر را داریم در حال حاضر
53
00:02:20,959 –> 00:02:23,360
x همه این مقادیر در
54
00:02:23,360 –> 00:02:24,080
آن
55
00:02:24,080 –> 00:02:27,760
ویژگی خواهد بود که 80 50 140
56
00:02:27,760 –> 00:02:30,959
25 است. و 90. بنابراین در اینجا
57
00:02:30,959 –> 00:02:34,239
اکنون می توانم این فرمول را بنویسم بنابراین اینجا
58
00:02:34,239 –> 00:02:38,160
در داخل پرانتز باید بنویسید
59
00:02:38,160 –> 00:02:43,280
قیمت داده زیر خط آمریکا
60
00:02:44,319 –> 00:02:48,239
منهای قیمت داده
61
00:02:48,840 –> 00:02:51,280
62
00:02:51,280 –> 00:02:54,480
آمریکا نقطه به این معنی است
63
00:02:54,480 –> 00:02:56,560
بنابراین در اینجا کاری که شما انجام می دهید این است که
64
00:02:56,560 –> 00:02:57,920
65
00:02:57,920 –> 00:03:00,720
از price usa کم می کنید که مقداری است که
66
00:03:00,720 –> 00:03:02,000
در آن دارید.
67
00:03:02,000 –> 00:03:05,120
مجموعه داده های شما در ویژگی قیمت ایالات متحده آمریکا
68
00:03:05,120 –> 00:03:07,360
و شما در حال تفریق مقدار حداقل
69
00:03:07,360 –> 00:03:08,800
را به
70
00:03:08,800 –> 00:03:11,840
طور کامل و کل تقسیم بر مجدد در
71
00:03:11,840 –> 00:03:12,879
پرانتز
72
00:03:12,879 –> 00:03:18,480
داده قیمت نقطه ایالات متحده آمریکا
73
00:03:18,480 –> 00:03:21,760
حداکثر منهای
74
00:03:21,760 –> 00:03:25,680
قیمت داده در
75
00:03:26,480 –> 00:03:29,760
ایالات متحده نقطه
76
00:03:29,760 –> 00:03:33,120
در و اکنون اگر این را اجرا
77
00:03:33,120 –> 00:03:36,560
کنید ویژگی های شما مختل می شوند. verted
78
00:03:36,560 –> 00:03:39,599
یا مقیاس شده و در اینجا اگر می بینید حداقل
79
00:03:39,599 –> 00:03:40,080
80
00:03:40,080 –> 00:03:43,519
مقدار 0 است و حداکثر مقدار در اینجا 1
81
00:03:43,519 –> 00:03:44,239
خواهد بود
82
00:03:44,239 –> 00:03:47,360
زیرا هیچ مقدار منفی
83
00:03:47,360 –> 00:03:50,640
در ویژگی خود ندارید در غیر این صورت
84
00:03:50,640 –> 00:03:54,000
محدوده منهای یک به یک بود، بنابراین
85
00:03:54,000 –> 00:03:57,760
ما این کار را انجام می دهیم. این به معنای حداکثر مقیاس بندی
86
00:03:57,760 –> 00:04:01,280
در حال حاضر، اجازه دهید به جلو برویم و ببینیم
87
00:04:01,280 –> 00:04:04,000
چگونه می توانیم عملیات اسکالر استاندارد را انجام دهیم،
88
00:04:04,000 –> 00:04:05,120
89
00:04:05,120 –> 00:04:08,720
بنابراین در اینجا شما این فرمول را
90
00:04:08,720 –> 00:04:11,200
برای یک اسکالر استاندارد دارید، بنابراین این
91
00:04:11,200 –> 00:04:13,200
برای استانداردسازی
92
00:04:13,200 –> 00:04:16,238
x منهای میانگین تقسیم بر
93
00:04:16,238 –> 00:04:18,720
انحراف استاندارد است، بنابراین در اینجا باید
94
00:04:18,720 –> 00:04:19,918
میانگین را پیدا کنیم.
95
00:04:19,918 –> 00:04:22,800
و انحراف استاندارد، بنابراین در اینجا می
96
00:04:22,800 –> 00:04:24,880
توانید دریابید که با استفاده از
97
00:04:24,880 –> 00:04:29,280
قیمت داده ها در
98
00:04:29,280 –> 00:04:32,720
ایالات متحده، میانگین نقطه ایالات متحده آمریکا
99
00:04:32,720 –> 00:04:35,759
را به شما نشان می دهد و به
100
00:04:35,759 –> 00:04:38,880
101
00:04:38,880 –> 00:04:42,880
طور مشابه می توانید این قیمت را
102
00:04:42,880 –> 00:04:46,479
زیر خط نشان دهید usa
103
00:04:46,720 –> 00:04:50,639
d