Hướng dẫn dùng numpy polynomial.fit python
Dẫn nhậpTrong bài trước, chúng ta đã tìm hiểu về PHÂN TÍCH THÔNG SỐ CỦA QUÁ TRÌNH TRAINING VÀ CÁC LỰA CHỌN PARAMETER TỰ ĐỘNG. Show Ở bài này Kteam sẽ giới thiệu đến các bạn cách Tạo polynomial featuređể cải thiện thuật toán. Nội dung Để theo dõi bài này tốt nhất bạn cần có kiến thức về:
Trong bài này chúng ta sẽ tìm hiểu về:
Polynomial features là gì?Chúng ta có thể cải thiện các feature của thuật toán theo nhiều cách khác nhau. Đầu tiên, ta có thể kết hợp nhiều feature lại thành 1. Ví dụ như ta có thể tạo ra x3 bằng cách nhân x1 với x2 lại với nhau: x3 = x1 * x2 hoặc x1 / x2 … Một cách cải thiện khác đó là thêm vào các bậc cao hơn cho cùng một feature để nâng bậc cho hàm hθ(x) thành hàm bậc 2, bậc 3, căn bậc 2… khiến nó không còn là một đường thẳng đơn giản nữa. Ví dụ: từ hàm hθ(x) như này: Ta có thể tạo các feature bậc cao hơn dựa trên x1 để được hàm bậc 2 như thế này: Hay là hàm bậc 3: Vậy là ta đã thêm các feature mới là và để tạo ra hàm bậc 3 này. Ta cũng có thể thêm cả để tạo ra hàm căn bậc 2. Ngoài ra, ta cũng có thể vừa kết hợp 2 feature với nhau và vừa nâng bậc chúng: ...
Cách thêm các polynomial featureBây giờ chúng ta sẽ thực hành việc thêm các polynomial feature cho bộ data bài trước và train lại để thấy sự khác biệt
Ta tiến hành load data như thường lệ:
Sau đó chúng ta sẽ tách X, y ra:
Sau đó ta dùng vòng lặp để thêm từng feature bậc cao hơn vào X (thêm từ đến ):
Sau đó ta tạo ma trận xp để thuận tiện cho việc plot data sau này:
Cuối cùng trong việc chuẩn bị data là normalize cả X và xp:
Bây giờ ta chỉ cần train data và plot ra để xem kết quả:
Lưu ý về overfitChúng ta không nên quá lạm dụng polynomial feature, tạo ra hàm bậc quá cao dẫn đến tình trạng overfit. Ở bài sau, chúng ta sẽ có cách khắc phục trường hợp này bằng cách sử dụng Regularized linear regression. Kết luậnQua bài này chúng ta đã tìm hiểu cách Tạo polynomial feature. Ở bài sau, Kteam sẽ hướng dẫnREGULARIZED LINEAR REGRESSION. Cảm ơn bạn đã theo dõi bài viết. Hãy để lại bình luận hoặc góp ý của mình để phát triển bài viết tốt hơn. Đừng quên “Luyện tập – Thử thách – Không ngại khó”. Tải xuốngProjectNếu việc thực hành theo hướng dẫn không diễn ra suôn sẻ như mong muốn. Bạn cũng có thể tải xuống PROJECT THAM KHẢO ở link bên dưới! Thảo luậnNếu bạn có bất kỳ khó khăn hay thắc mắc gì về khóa học, đừng ngần ngại đặt câu hỏi trong phần bên dưới hoặc trong mục HỎI & ĐÁP trên thư viện Howkteam.com để nhận được sự hỗ trợ từ cộng đồng. |