Статья Автор: Деникина Н.В., Деникин А.В.

Объект, признак, целевая переменная

Таблица — это не картинка, это данные

Всё машинное обучение начинается с таблицы. Не с формул и не с нейросетей — с обычной таблицы, где строки идут вниз, а столбцы вправо. Весь этот модуль мы будем учиться уверенно с ней работать, потому что без этого дальше делать нечего.

Наша таблица — 5378 фильмов, вышедших с 1980 по 2020 год. Вот первые строки:

title	genre	year	score	runtime	budget	gross
The Shining	Drama	1980	8.4	146	19000000	46998772
The Blue Lagoon	Adventure	1980	5.8	104	4500000	58853106
Toy Story	Animation	1995	8.3	81	30000000	394436586

Три слова, которые надо усвоить сразу

Объект — одна строка. У нас объект — это фильм. Строк 5378, значит объектов 5378.

Признак — один столбец. Это то, что мы знаем про объект: жанр, год, длительность, бюджет.

Целевая переменная — тот столбец, который мы хотим предсказывать. Важно: целевая переменная — не свойство таблицы, а свойство задачи. Один и тот же столбец бывает признаком в одной задаче и целевой в другой.

Смотри: если мы хотим по бюджету угадать сборы — gross целевая, budget признак. А если хотим по сборам и оценке угадать жанр — целевой становится genre, а gross превращается в обычный признак. Таблица не изменилась, изменился вопрос.

# --- чтение таблицы: в каждой тетради определяем заново ---
def load(fname):
    f = open(fname, encoding="utf-8")
    header = f.readline().strip().split(",")
    data = []
    for line in f:
        line = line.strip()
        if line == "":
            continue
        parts = line.split(",")
        row = {}
        for i in range(len(header)):
            row[header[i]] = parts[i]
        data.append(row)
    f.close()
    return data

movies = load("movies.csv")

print("объектов (строк):", len(movies))
print("признаков (столбцов):", len(movies[0]))
print()
print("первый объект целиком:")
first = movies[0]
for name in first:
    print("   %-8s = %s" % (name, first[name]))

Что показал вывод

Объектов 5378, признаков 7. Первый объект напечатан целиком — видно, что строка таблицы в Python это словарь: ключ это имя столбца, значение это содержимое ячейки. Вся таблица целиком — список таких словарей.

Держи эту картинку в голове: всё, что мы дальше делаем с таблицей, это работа со списком словарей, и ничего больше.

Мы решаем задачу: по жанру, году и длительности предсказать оценку фильма. Какой столбец здесь целевая переменная?

Проверить ответ

Сопоставь столбец с тем, что он хранит.

Проверить ответ

Отметь верные утверждения.

Проверить ответ

Сколько объектов в нашей таблице? Ответ числом.

Проверить ответ

Почему title — плохой признак для предсказания?

Проверить ответ

Загрузка...

Чтобы оставить комментарий, необходимо авторизоваться

💬

Пока нет комментариев. Будьте первым!

Печать