دوره جامع تحلیل پیش‌بینانه مشتریان با پایتون | از رگرسیون تا بخش‌بندی و پیش‌بینی - جلسه 2

سلام عرض می‌کنم خدمت دوستان عزیز. بریم سراغ ادامه کارمون. ما رسیدیم به اینجا.

شما زمانی که دارید یک مدلی رو می‌خواید

ترین بکنید و

ازش استفاده بکنید

نمی‌تونید بهش فایل متنی بدید. اون فایل

متنی متوجه نمیشه. خب این به یه روشی باید

اونو تبدیل بکنید به یک فاکتور عددی.

یکی از اون روش‌ها استفاده از روش وان هات

انکودینگه. یعنی چی؟ بین بسیار ساده

براتون بزنم که

خب فرض کن یه ستون دارید که جنسیتو مشخص

می‌کنه. خب یه ستون داریم جنسیتو مشخص

می‌کنه

مثلاً اولیش مثلاً یه خانمه بعدی یه

آقائه. بعد یه خانمه دوباره یه خانمه یه

آقاه یه آقای من می‌خوام اینو بدم به یه

مدل خب مدل من ام و اف و اینا نمی‌فهمه

باید من اینو تبدیل کنم به یه چیز عددی یه

روش اینه که من بیام بگم خانما مثلاً باشن

صفر آقایون باشن ی

یه روش اینه این روش ایرادی داره صفر و یک بچه‌ها توی ریاضی یک مفهوم

مفهومی دارن. خب مثلاً یه مفهومش چیه؟ یک

بزرگتر از صفره. آیا مردها بزرگتر از

خانما هستن؟ همچین معنا و مفهومی ما

نداریم. زمانی که شما صفررو یک بدید به

مدل اینجوری برداشت می‌کنه. پس این روش

روش درستی نیست.

اما روش بهتر چیه؟ روش بهتر همین استفاده از وان هات انکودینگه. میایم چیکار

می‌کنیم؟ میام د تا ستون جدید تعریف

می‌کنم. میگم خانمه باشه مثلاً صفر و ی،

آقای باشه ی و صفر.

اینجوری دیگه معنا و مفهوم ریاضی هم

نداره. برای مدلم خیلی فهمش راحت‌تره

چون با صفر و ۱ باینری دارید نشون میدید.

به این روش میگم وان هات انکودینگ. خب

میگه باید مقادیر ستونای عددیتون رو

مقادیر ستونایی که به صورت تکستن این کارو

بکنید

خب مثلا تو این دیتایی که ما داریم

اینو بکنم تیبل

این ستون باید این کارو بکنیم ولی خب این

تعدادش خیلی زیاده اگه بخوایم وان هات

کوندینگ بزنیم باید کلی ستون اضافه کنیم

این چی این خوراک این کاره دقیقاً خوراک

این کاره که ما بیایم د ستونو اضافه کنیم

اینجا صفر و یکی انجام بدیم این چی اینم

خیلی زیاده حالا باید یه فکری بالا اینو

بکنیم این چی اینم س۳ تایی خوبه میشه با ۳

تا ستون میشه کارو درآورد

و همین حالا ببینیم پیشنهاد خود چجیویتی

چی بوده

میگه اول بیاید اینو ایمپورتش کنید با استفاده کتا کتاب کتابخونه سایکت لرن که

اصلاً بچه‌ها مهم نیست اینا چیه‌ها. خب من

اینو کپی می‌کنم میام اینجا.

این از این خب بعد

اما در سیتی

ستون سیتیمون میگه تعداد زیادی داشته باشه راست میگه دیدیم با هم خیلی تعداد زیادی

داشته این بچه‌ها ناقص موندایم سراغش

اگه برای هرشر فقط یک شعبه داشته باشید

وان حاضر کنید این شهر باعث ایجاد تجازی

ستون میشه درست میگه خب

می یه راهکاری که ستون سیتی رو حذف کنید خیلی نیستم خب خب

خیلی زود از اینجا گذشت این توضیحاتش. خب بذار بذار ازش دقیق‌تر بپرسم بعد بیایم

سراغ بقیه داستان. خب بیایم اینجا خب ازش

می‌پرسم که ستون چی بود؟ اسم ستونمون

ستون اینو من می‌خوام به روش

وان هات

انکودینگ

به دو ستون

مثلاً رال و این تبدیل کنم.

می‌خوام د تا ستون اضافه کنم. صفر و یکی. خب و اون ستونو برش دارم. بذار ببینیم

کدوشو بهمون بده.

از میگه می‌تونید از این استفاده کنید. خب این کاری که قبلاً کردیم پس دیگه دوباره

انجامش نمیدیم حالا می‌تونید محض اطمینان

یه بار دیگه اینو بیاریم با همدیگه خب

کلشو خوبی می‌کنم میام جای می‌ذارم

اینوریم که اسپیسا حذف میشه خیالمون راحت

باشه اسپیس نداره اوکی بعد

یه گت آمیز داده کاری نداریم با این از

این

خب

خب ببینیم چی چی میشه خروجیش

چی شده

آ لوکیشن تایپم اسمش عوض شده بچه‌ها الان

شده این

با حروف کوچیک شده بذار اینو درستش کنم

تموم شد خب حالا ببینیم چی شد خب نگاه کنید اینجا اینجا

آ خود ستون لوک لوکیشن تاپو حذف کرد کاش

این کارو نمیکرد حالا اشکال نداره بیایم

اینجا

اولی شده این شده ی این شده صفر اولی چی

بوده این بوده می‌بینید دومی باید بشه صفر

و یک

صفر و یک بعدی هم صفر و یک بوده بذار اینو

کوچیک کنم کنارم بذارم بین چیز نکنیم

مینیمایز نکنیم

اینجا نگاه کنید بچه‌ها

اولین این بوده شده ی و صفر بعد چی بوده

این بوده شده صفر و ۱ دوباره صفر و ۱

دوباره صفر و یک بعد این بوده شده ی و صفر

پس اونو ما تبدیل کردیم به یه دو ستونه

صفر و یکی که اگر این ستون یک باشه میشه

این اگر این ستون یک باشه میشه این

به این میگن وان هات انکودینگ خب

همین همین کارو با بقیه ستوهم میتونیم

انجام بدیم مثلاً

ستون هوا هم سه حالت داشت اگه خاطرم درست

خاطرم باشه درسته ببینم

آره این ستونم سه حالت داره میخوام اینم تبدیلش کنه به سه تا ستون خب صفر و یکی

باز میم داخل پانداز داخل چجی بیتی خب

دوباره همین سؤال ازش می‌پرسم

ستون چی اسم ستونمون چیه بچه‌ها؟ اینجا ب کپیو

پیست کنیم که دیگه ایرادم نگیره

ودر کاندیشن

میگم میخوام ستون اینو

پرف ش ستون به سه ستون

مثلاً سرد و یه دونهم داشت حالت نسرد نگرم بود

اینجا چون سه حالت داریم نمی‌تونیم با د تا صفر و یک نشون بدیم البته میشه میشه

میشه با د تا ستونم میشه صفر و یک یه حالت

یک و صفرم یه حالت یک و یکم یه حالت د تا

صفرم یه حالت میشه ولی ما با سه تا ستون

نشون میدیم ایراد نداره باز کدشو کپی

می‌کنم

میارم اینجا خب این اول که اسپیسو می‌کنه بعد با گت

دامیز میاد این کارو می‌کنه این از این و

در نهایتم این پرینتشو بذار بردارم

یه دونه ران می‌کنم اینم این اضافه شد بچه‌ها

الان مثلاً ردیف اول بذار یه بار ببینیم د

چیکار کرده

ایناش ردیف حواش سرد بوده نگاه کن ستون

سردی چیه که بعد دوباره سرد بوده

بعد گرم بوده این یک شده بعد این د تا یک

شده مادریت بوده می‌بینید به این روش میگن

وان هات انگلدیک که خیلی ساده می‌تونید

انجام بدید تو اکسلم بچه‌ها قابلت انجام

دادن داره این کارا یعنی باز سخت نیست ولی

خب اینجا واقعاً راحت‌تره

خب دیگه چی

ببینیم دیگه چی گفته بریم بالا اون مراحلی که داشتیم می‌رفتیم

خب اینا رو که دیدیم با همدیگه

ستونو حذف بکنیم سیتی رو اوکی حذف کنیم

چون واقعاً خیلی سخته بخوایم کاری باهاش

بکنیم الان این مونده استیت و سیتی

یه ذره اینجوری هم که بذار ببینم چهجوریه

وضعیتش در استی

دیف

استیت دا ولی پانس

او

سیتی همینه

با دستور ان یونیک شما تعدادشو می‌تونید ببینید

چرا نشون نداد

۱۹۱

حالت یونیک داره سیتیش

کلاً چند تا ردیف بود دیامو زیاد بود چم

به نظرم بیخیال این د تا ستون ون بشین

بچه‌ها چون تبدیل کردنش خیلی کار ساده‌ای

نیست خود شماهم اینو داره میگه

و میگه مثلاً می‌تونن از ویژگی‌های شهر استفاده کنید که ما داریم مقادیرشون تو

اون جدول خب

قابل تعمیر زیادی به مدل نیست اوکی پس این

کارو میکن خواهیم کرد حالا بیایم یه سری

ویژگیهای جدید بچه‌ها اضافه کنیم به این

دیتامون ویژگیهایی که به دردمون می‌تونه

بخوره

فضای پارک نسبت به اندازه فروشگاه یعنی ما

بیایم فضای پارکو تقسیم بر اندازه فروشگاه

کنیم یه ویژگی جدید درست کنیم اینو کپی

می‌کنم

خب که یه مقدار جدید به ما بده

یه همچین چیزی به ما داد یه یه ویژگی جدیدیه که ما خلقش کردیم یه جورایی دیگه

چی

رقابت نسبت به تراکم جمعیت یعنی تعداد

رقبا تقسیم بر جمعیتی که اونجا وجود داره

اینم فاکتور باحالیه

اضافهش می‌کنم

خب دیگه چی درآمد بالقوه منطقه

یعنی جمعیت ضربدر اون درآمدی که دارم اینم

فاکتور باحالیه

دارم یه سری فاکتور جدید اضافه می‌کنه. خب این سه تا اضافه شد دیگه. چی میگه؟

میگه بیا برای ستونای عددی یه بررسی بکنید ببینید که چهجوریه اوضاع. خب

یه باکس پلات بکشید. باکس پلات چیز

باحالیه. ببینید بکشه ببینیم چهجوریه.

روی ستون سلز من می‌خوام این باکس پلات بکشم.

خوبه نشون میده که بچه‌ها این باکس الان چی داره به ما میگه؟ میگه ۲۵ دیتای شما

میزان فروشش زیر عدد ۳۴ ۳۰ تقریباً ۳۰

هزاره اینجا این ۲۵

۵۰ دیتای شما میزان فروششون بین ۳۳۰ تا

۳۰۰ و تقریباً ۸۰ه ۲۵ دیتای شما هم بالای

۳۸۰ هزاره تا ۴۴۰ یه توضیح خیلی خوبی داره

خیلی پراکندگی عجیب غریبی نداره می‌تونید

این باکس پلاتو رو ستون عدد دیگه هم بکشید

مثلاً روی

مثلاً رو این بکشید یا مثلاً تو درآمد بکشیم بیا

باکس بلاد درآمدم می‌تونه چیز باحالی باشه چرا نتونست بکشه برای درآمد

میم چون یه بار کشیده دیگه این کارو نمی‌کنه حالا ایراد نداره مهم نیست اینم

رد میشه براش

داده پرت میگه داشته یا نداشته داده پرت

بچه‌ها نداشت داده پرت یعنی چی بهش میگن

اوتلایر خب این دنبال اوتلایر بود که

نداشتم بذار من یه دقیقه سرچ دوباره بدم

می‌کشه یا بچه یا اذیتمون می‌کنه

دیگه کلاً نمی‌کشیم بچه گفت آقا من دیگه

کاری براتون ندارم اینو پاک کنم

یه بار از بالا تا پایین دوباره رانش کنیم نه دیگه کلاً گفت آقا من دیگه نمی‌کشم خب

می‌خواستم بگم آتلایر نداشت. اگه آتلایر

داشت خب

اگه آتلایر داشت بچه‌ها یه همچین چیزی

میشد نگاه کنید نمودار باکس پلاتو ببینید

مثلاً یه سری نقطه اگه خیلی بیرون اینا

بیفته اونا آتلایرن خب مثلاً اینجا نگاه

کنید اینا آتلایرن ولی باکس پلات ما نداشت

اگه یادتون باشه خب هیچ دیتایی اون بالاها

نیفتاده بود پس داده پرتم نداریم داده

پرتو بچه‌ها باید خیلی حواستون باشه مثلاً

فرض کنید شما یه اپراتور گذاشتید داره

دیتا رو وارد می‌کنه. خب یه جا حواسش یکی

د تا صفر بیشتر می‌زنه یه دیتایی رو چه

اتفاقی میفته؟ اگه شما حواستون نباشه اینو

بدید به مدلتون خب مدلتون

یهو مثلاً میانگین میره بالا نمیدونم خیلی

فاکتور آماریتون به هم می‌ریزه و مدلتونم

به اشتباه میفته

پس حواستون باید به آتلایرتون باشه حالا

یا اگر اشتباهه درستش کنید یا حذفش کنید

نذارید تو دیتاتون بمونه

حالا این خودش البته یه مقوله یه بحث

واقعاً جداییه بحث آترای

پس ما آترای

نداشتیم

اینا رو فصلت می‌کنیم این چی میگه

آها همبستگی میگه که بیاید کلوریشن بین ستونا رو

ببینید خب امکان داره بعضی ستونا

اطلاعات مشابه داشته باشه یا مثلاً بعضی

ستونا

خیلی رفتار مشابهی نسبت به همدیگه داشته

باشن می شما می‌تونید ستونا رو حذف کنید

این خودش باز بچه‌ها یک واحد درسیه بحث

حذف ستون‌ها

حالا ما برای اینکه فقط خروجیشو ببینیم خب

بعید می‌دونم دیتا ما این‌جوری باشه ولی فقط باید خروجیشو ببینیم چه شکلیه

مثلاً میگه که فروش با این ستون

این رابطه مستقیمو داره با این ستون اینو

داره و لا لا

اصلاً می‌تونیم یه خودش جیبیتی بدیم چرا

من تحلیلش کنم بیا

حالا بذار چجتی بدیم خب خروجی

همبستگی رو تحلیل خیلی سؤال مسخره‌ای

پرسیدم ولی اوکیه

در می‌گفتم خروجه ماتریسه همبستگی رو تحلیل کن

حالا تا این میگه من یه توضیح روش بدم الان داره میگه که بیشترین تأثیر مثبت رو

بر روی فروش اینکه اون فست فوده تو منطقه

شهری باشه یا نباشه داره با ۷۰

ضریب هفتدهم

رتبه بعدی مال اندازه اون فروشگاهه. حالا

ما فرض می‌کنیم فستفود یا فروشگاه اون ۳۵

۳۶ اثر داره.

کمترین میزان عسل رو یا بهتر بگیم اثر

معکوس رو روی میزان فروش روستایی بودن

دارن.

یعنی اگر

فست فود شما فروشگاه شما تو مناطق شهری

نباشه رو میزان فروشتون داره اثر عکس

می‌ذاره دیگه چی؟ آها اگر هوا سرد باشه هم

از سر معکوس می‌ذاره خب راست میگه دیگه

شما تو قطب بری فروشگاه بزنی خب کسی نمیاد

ازت خرید بکنه اصلاً کسی بیرون نمیاد

اونجا خب و آها نامبر کام هرچی رقیب

بیشترم باشه خب طبیعتاً فروش شما کمتر

میشه دیگه البته من با این مخالفم

با این مخالفم چرا یه جای تو می‌تونه اثر

مثبت بذاره یه مثالی بزنم براتون شما فرض

کنید تو یه خیابونی س۳ تا فصل فوت باشه

اگه سه تا باشه شما بیا بشید چهارمی

درآمدتون اونقدری خوب نیست اما اگه مثلاً

میگم تو یه خیابونی ۵۰ تا فست فود باشه

شما بیای یه فست فود بزنی درآمدتون کم

نیست چرا چون اونجا شده تبدیل شده به ترند

مثلاً تو تهران شما فرض کن بازار مبل یافت

آباد بازار موبایل فلان بازار پوشاک چه

می‌دونم عبدالآباد یا خیابون ستارخان

خیابون سی تیر اینا به واسطه اینکه تعداد

تعداد زیادی رقیب اومدن کنار هم جمع شدن

تبدیل شدن به یه قطب پس لزوماً همیشه این

درست نیست به نظر من البته خب حالا بقیه

فاکتورم داره لحض می‌کنه حالا ببینیم این

چی

اه مثبت باشه مثبته

خب من یه عذرخواهی بکنم سیستم یهو ریسارت شد ویدیو یه لحظه قطع شد رسیدیم به همستگی

پیرسون هر ستونو داره بررسی می‌کنه

هم بسته یعنی که ما میخوایم ببینیم که

ویژگی‌ها با همدیگه

ارتباطشون چهجوریه و نسبت به تارگتمون چه

وضعیتی داره داره میگه که فیچر شهری نسبت

به تارگتمون که فروشه

مثبت ۷۲صدمه

هرچی به عدد مثبت ی نزدیک‌تر باشه یعنی

ارتباطشون یه ارتباط مثبت خطیه اگه به

منفی ۱ نزدیک باشه یعنی رابطه خطی منفی

یعنی برعکس همدیگه رفتار می‌کنن. اگرم به

صفر نزدیک بشه هیچ ارتباطی با همدیگه

ندارن.

اینجا نشون میده که شعبه‌هایی که توی شهر

هستند فروش بیشتری دارن چون ارتباطشون

مثبته و عددشم نزدیک یکه. اما برعکس

شعبه‌های روستایی فروش کمتری دارن.

حالا اونی که ارتباطی ندارم این

پایینیاست. مثلاً استورایدی هیچ ربطی

نداره. راستم میچ ربطی داره. خب بعد

طول عمر اون شعبه هم تقریباً هیچ رابطه‌ای

با میزان فروش نداره. خب این یه ذره عجیبه

چون معمولاً شعبه‌هایی که قدیمی‌ترن باید

جا افتاده باشن و فروششون بیشتر بشه.

این هم حتی رابطه‌ای نداره. یعنی ما این

فیچرایی که ما اینا ما اضافه کردیم نشون

میدیم فیچرای خوبی نیستن.

اینم چرا؟ این یه ارتباطی داره. مثلاً میگه هرچی تعداد رقبا بیشتر شده فروش کمتر

شده که راجع بهش صحبت کردیم جلسه قبلی خب

این میشه هم‌بستگیشون

قوی‌ترین ویژگی که ما تو این فیچرا داریم

بحث اینکه تو منطقه شهری باشن یا روستایی

این خیلی فاکتور مهمیه

یه نکته اینجا میگه خیلی باحاله میگه میگه که

این د تا با هم مستقل از هم نیستن راست میگه دیگه وقتی شهری باشه یعنی روستایی

نیست دیگه پس ما یه دونهشم نگه داریم

کفایت می‌کنه یعنی ما اگر از بین این د تا

ستون

کدوم ستون

اینجا یه دونهشم نگه داریم کفایت می‌کنه

وقتی شهری نباشه خوب روستاییه دیگه پس

نیاز نیست هر دو تا ستونو ببریم نکته‌ای

که داره میگه اینه پس میگه که بیا یه ستون

ش دراپ کن همینوش دراپ کنید

من یه بار کل اینو ران کنم چون همه چی

پرید

من میگم بعد از این اینو می‌ذارم اینو یه میگم روستاییشو بردار لازم نداریم واقعیت

فقط شهریش باشه کفایت می‌کنه خیلی خب این

پس از اینجا

دقیقاً همون چیزی که بهتون گفتم اینجا

نشون میدم

ستونات آب و هوا هم میگه خطین طبیعیه دیگه ما این سه تا رو از یه ستون

کشیدیم بیرون پس مجموعهشون یکه

و نباید طبیعتاً هر سه تا ستونو ما با هم

ببریم توی مدلمون

یکیشو میگه حذف کنید مثلاً میگه اینو حذف

کنید و با همین د تا میشه دیتکت کرد اینجا

نگاه کنید بذار اینو حذف کنم

حالا قبل اینکه حذف کنم

الان این که حذف کنم من می‌خوام کدوم حذف کنم؟ اینو می‌خوام حذف کنم. وقتی بچه‌ها

این صفره این یکه یعنی هوا سرده. وقتی این

یکه این صفره یعنی هوا گرمه. وقتی جفتش

صفره خب یعنی هوا معتدله پس نیاز نیست من

این ستونو ببرم. از این د تا می‌تونم اینو

بفهمم. پس اینم هست. یه ستون دیگه م حذف

کردیم.

استور سایزمون میگه هرچی فروشگاه بزرگتر باشه میزان فروشمونم بزرگتره

اما میگه که برای اینکه بخوایم دقیق‌تر بررسی بکنیم باید استور سایز و بودن تو

منطقه شهری رو با همدیگه مقایسه بکنیم

نمیشه فقط رو این یه دونه فاکتور این نظرو

داد

اینم باز همینو میگه میگه خیلی نمیشه با این بازی کرد خب

و حتی میشه هم‌بستگی بین خود اینا رو

بررسی کرد با این فرمولی که اینجا گذاشته

حالا کاری نداریم

یه چیز دیگه که اینجا نشون میده میگه که توی مناطق سرسیر میزان فروش کمتره

خب دلیلش اینه که احتمالاً تو مناطق سرسی

تراکم جمعیت کمتره احتمالاً روستایی باشه

خیلی باید شهری باشه

و اندازه استورم احتمالاً کوچیک‌تره

پس این فاکتور به تنهایی نیست خودش تو دل

خودش چند تا فاکتور دیگههم داره

و حالا کلی توضیح دیگه داده که به نظرم اصلاً بگذریم ازش

یه سری چیزا میگه استرایدرم میگه حذف کنید استرادرید مونده

بود خب بذارید اینم حذف کنیم

در نهایت میگه یه همچین چیزی رو نگه دارید خیلی بهتره در نهایت

بذار ما همین کارو بکنیم در نهایت

اگه اینو نگه دارید بهتر از اینه فقط این فیچرا رو نگه دارید بقیه رو برش

دارید بندازید برای

اینو بذارم خیلی خطا نمیده

خب پس در رسیدیم به اینکه یه سری ستونا رو

ما نگه داشتیم بنا به دلایلی یه سری ستونا

روم حذف کردیم حالا به دلایل مختلف

برگردیم بالا

حالا سه توضیحات دیگه برگردیم بالا ببینیم چی گفته بود کجا بودیم ما

ترنم تست فعلاً کاری نداریم هم‌بستگی رم که با همدیگه ماترسشو دیدیم

داده پرت و اینام که بررسی کردیم. خب

بذارین دیتا نهاییمونو من یه نگاه بکنم به نظر من بچه‌ها دیتا نهاییمون آماده

اینکه بخوایم ببریمش برای مدل نیست من

نظرمه آقا بذارید یه نگاه بکنم بذارید

مثلاً این عددا نباید این شکلی باشه بچه‌ها بهتره که این عددا اصلاح بشه خب

حالا بهتون میگم منظورت اصلاح چیه دیگه

خب بیایم اینجا من مطمئنم که اون عددا باید

چیز بشه نرمالایز بشه اصطلاحاً خب این د

تا ستون جمع تراکم جمعیت درآمد

و حتی شاید سال یا پارکینگ اسپیس و استور

سایز بهتره که عددا دا نرمالایز بشه

اصطلاحاً خب خب بذار ببینیم این داده

نهایی

ما برای

ایکس شد ولی من فکر می‌کنم هنوز تغییراتی

نیاز دارد

خب این که اوکی اوکی خب

ما یه سری ستوی باینری داریم که صفر و یکین میگن یه سری ستونا عددی داریم درسته؟

آها دقیقاً همون چیزی که می‌خواستم اینجا

داره میگه میگه ستون باینری رو دست نزن

اونا کاری باهاشون نداشت اما ستون عددی

بهتره نرمالایز بشن استانداردسازی بشن خب

بعد میگه که مهم‌تر مسئله اینه یه شعبه جدید وقتی افتتاح میشه ما می‌خوایم اونو

پیش‌بینی کنیم فروششو دیگه شعبه جدید این

مقدارش صفره طول عمرش درسته

خب یه نکته اینجا میگه من متوجه نمیشم میگه که

فروش شعب بالغ رو یاد بگیرد ولی شما از

اون صفررو پیش‌بینی کن

آها پس بذارید حذف کنیم میگه سنو بهتره که حذف

بکنی حالا خب بیایم س اینو حذف کنیم

اینجا بیایم سنو حذف کنیم خب دیگه

ایزنال اینا رو چک کردیم اینا ارم که ولش کنیم ولش کنیم داده‌های تکراری رم ولش

کنیم من نرمالایزه رو می‌خوام پیدا کنم

آتلا روم ولش کنیم نداشتیم یه بار چک کردیم آتلایررو ولی اگه میخواد آتلایرشو

ببینیم بد نیست یه بار این نمودارشو بکشیم

با هم ببینیم بیاد

آ پی ال تی رو ایمپورت نکردم مت پلاتلیو میخواد یه جای اینجا گفته بودش بذار مت

پلاتلیوهم پورت کنیم.

اینو می‌ذارم اینجا.

خب نگاه کنید. این باکس پلات همهست. برای

تراکم جمعیت نگاه کنید. ما اینجا هیچ داده

پرتی نداریم این بالا بچه‌ها همه چی

افتاده همین جایی از این خط این بالا هیچی

بیشتر نداریم. اینم نداره اینم نداره اینم

نداره اینم نداره هیچ‌کدوم نداره. داده

پرت یا اوتلایر نداره. داده پاترای

داده‌ها هستن که تو باکس پلاسشو وقتی

می‌کشید زیر این خطه یا بالای این خطه

بیفتن.

حالا عکسشو بهتون نشون دادم جلسه قبلی خب

اینو نداشتیم

خب نداشتیم ایرانو که یه بار چک کردین

آقا اون من فقط نرمال استانداردسازی رو

میخوام آها اینو میخواستم

پایپلان پیشنهادی بیا چیکار خب

خیلی توضیحات اضافه داده من خیلی دوست ندارم فقط قسمت استاندارد ارت کردن

ستون‌های

عددیو توضیح بده.

استاندارد کردن یعنی چی بچه‌ها؟ بذار اینو پاک کنم.

استاندارد کردن یعنی که شما این عددا رو

بردارید به جاش یک عددی بین صفر تا ی

بذارید به این میگن استاندارد کردن که باز

روش‌های مختلفی داره برای این کار. خروجیش

یکیه‌ها فقط روش انجامش متابعه اون فرمول

پشتش فرق می‌کنه خب

چرا این کارو می‌کنیم؟ نگاه کنید بچه‌ها مثلاً این ستونو نگاه کنید مثلاً ۲۹ ۰۰۰

داره بعد این ستون این خیلی اینا با

همدیگه اختلاف داره عددا یا ۹۳۰۰ ۱۴۰۰

اینا بهتره که همشون استاندارد بشه تو یه

رنج عددی باشن تو صفر و یک باشن همشون

اصطلاحاً خب چهجوری این کارو می‌کنیم؟

میاد اول میگه بیا ستونه عددی توو بکش

بیرون میگم چشم این ستون عددی مننم خب

بعد ستون باینریتم که کشیده بیرون هیچی

بعد میگه که این یه روشه استفاده از روشی

به نام استاندارد اسکالر

اصلاًم چیزی پیچیده نیست الان بهتون نشون

میدم چیه

بعد بریم ببینیم خروجیمون چه شکلی میشه چی میگه

آها اینم یکی از اون چیزای جدیدیه که توی

پانداس داریم من خودمم همیشه سر این

داستان دارم بذار اصلاً همینو کپی می‌کنم

میدم به چتجی بیتی فرمول اینو اصلاحش بکنه

الان میگم داستان چیه الان میگم بهتون

داستان چیه

بذار من این بهش بدم بگم اینو اصلاحش کنه

ببینید بچه‌ها ما یه قاعده‌ای داریم توی

پانداس میگه وقتی شما می‌خواید مقدار یه

ستونو عوض کنید بریزید دوباره تو همون

ستون بهتره که از مساوی استفاده نکنید

یعنی نگید که مقدار جدید برابر است و

مقدار قدیم یه بلایی سرش بیارید این

مساویه کار درستی نیست از لحاظ افیشنسی

میگه‌ها خروجی درسته یعنی غلط نیست اما از

لحاظ کارایی چیز خوبی نیست

یه فرمول رو خودش پیشنهاد میده اینجاهاشش

میگه بهتره که از این استفاده کنید

اگرم سخت بود براتون بده چت جی بیت‌ی

براتون اصلاحش می‌کنم

داد

دقیقاً هم چیزی که من میگم میگه احتمالاً اگه بروشی داری ساخته شده

مثلاً میگه ایکس اومده اینجوری ساخته

مساوی ساختید خب

میگه اول بیا یه کپی از ایک بگیر تیر خب

بیایم همین کارو کنیم

یه کپی میگی اول از ایکس بگیر خب بعد بیا اینو ران کن

این دفعه با دستور چی ایکلوک استفاده بکن

کن اصلاً نیاز اینو بچه‌ها حفظ کنید و

اینا هست فرمولش هست خب اینو راه می‌کنم

خیلی بچه‌ها سریع‌تره دیدید چقدر سریع

انجام شد نسبت به اون حالت قبلیه

حالا این یه نکته‌ای داره میگه که بگذرهش خب حالا ما دادهمون رو استاندارد کردیم

خروجیشو بریم بیام ببینیم چهجور میشه

اینا نگاه کنید همه اعداد تبدیل شد اعدادی تو یه رنج مشخص صفر و ۱ باینریم که اصلاً

دست نمی‌زنیم اون بذار باشه خب

اوکی پس اینم میشه استاندارد‌سازی مقادیر

عددی خب دیگه وقتشه که بریم سراغ ساختن

مدلمون که باشه برا جلسه بعدی فعلاً

خداحافظ