...
← Curs Machine Learning și AI pentru începători: toate lecțiile
Lecția 6 · Date

Date: caracteristici și etichete

Orice set de date pentru Machine Learning arată ca un tabel. Fiecare rând este un exemplu, coloanele de intrare sunt caracteristicile, iar coloana pe care vrei s-o prezici este eticheta. Dacă înțelegi bine aceste trei cuvinte, vei înțelege orice tutorial de ML.

Tabelul în Python

Cel mai simplu mod de a ține tabelul este o listă de liste: fiecare listă interioară e un rând.

apartamente = [
    [52, 2, 3, 98000],
    [75, 3, 1, 139000],
]
primul = apartamente[0]
print("Caracteristici:", primul[:3])
print("Etichetă:", primul[3])
Caracteristici: [52, 2, 3]
Etichetă: 98000

primul[:3] ia primele trei valori (indicii 0, 1, 2), iar primul[3] ia ultima. Poți folosi și primul[-1] pentru ultimul element.

Exercițiul tău

Separă caracteristicile de etichete pentru 4 apartamente.

  • Pornește de la lista apartamente din editor (fiecare rând: suprafață, camere, etaj, preț).
  • Cu o buclă for, pune primele 3 valori ale fiecărui rând în lista caracteristici și ultima valoare în lista etichete.
  • Afișează lista caracteristici, apoi lista etichete, fiecare pe rândul ei.
În buclă: caracteristici.append(rand[:3]) și etichete.append(rand[3]).

Soluția exercițiului

apartamente = [
    [52, 2, 3, 98000],
    [75, 3, 1, 139000],
    [40, 1, 4, 76000],
    [90, 4, 2, 165000],
]
caracteristici = []
etichete = []

for rand in apartamente:
    caracteristici.append(rand[:3])
    etichete.append(rand[3])

print(caracteristici)
print(etichete)
Excelent! Continuă cu lecția următoare →
Vrei să afli mai mult?Un tabel de apartamente · Separarea pentru toate rândurile · Cum alegi caracteristicile · Greșeli frecvente · Unde apar caracteristicile și etichetele

Un tabel de apartamente

Să zicem că ai date despre apartamente vândute în Cluj:

suprafață (mp)camereetajpreț (euro)
522398000
7531139000
401476000
9042165000
  • Un exemplu = un rând = un apartament.
  • Caracteristicile (în engleză *features*) = suprafața, camerele, etajul: ce știi despre apartament înainte să-l vinzi.
  • Eticheta (în engleză *target* sau *label*) = prețul: ce vrei să prezici.

Separarea pentru toate rândurile

Modelele vor caracteristicile și etichetele în două structuri separate. Le construiești cu o buclă și append:

apartamente = [[52, 2, 3, 98000], [75, 3, 1, 139000], [40, 1, 4, 76000]]
caracteristici = []
etichete = []
for rand in apartamente:
    caracteristici.append(rand[:3])
    etichete.append(rand[3])
print(caracteristici)
print(etichete)
[[52, 2, 3], [75, 3, 1], [40, 1, 4]]
[98000, 139000, 76000]
Important

Ordinea contează: caracteristici[0] și etichete[0] descriu același apartament. Dacă amesteci ordinea doar într-una din liste, modelul învață prostii.

Cum alegi caracteristicile

  • Folosește doar ce știi înainte de momentul predicției. Prețul final de vânzare nu poate fi o caracteristică pentru prețul estimat.
  • Caracteristicile trebuie să aibă legătură cu eticheta: suprafața influențează prețul, culoarea ușii probabil nu.
  • Caracteristicile trebuie să fie numere pentru majoritatea modelelor; textul (orașul) îl transformi mai târziu în numere.
ProblemăCaracteristiciEtichetă
Prețul unui apartamentsuprafață, camere, etajpreț
Spamcuvintele din emailspam / normal
Creditvenit, vechime, datoriiaprobat / respins
Nota la examenore de studiu, ore de somnnota

Greșeli frecvente

  • Eticheta rămâne printre caracteristici: dacă uiți să o scoți, modelul „vede” răspunsul și pare perfect.
  • Indici greșiți: rand[1:3] sare peste prima coloană. Numără cu atenție: în Python indicii încep de la 0.
  • Rânduri de lungimi diferite: dacă un apartament nu are etajul, rândul are 3 valori în loc de 4 și separarea iese greșită.

Unde apar caracteristicile și etichetele

Imobiliare

Caracteristici: zonă, suprafață, an. Etichetă: prețul.

Magazin online

Caracteristici: ce ai văzut și cumpărat. Etichetă: ai cumpărat produsul recomandat?

Școală

Caracteristici: prezență, teme predate. Etichetă: promovat sau nu.

main.pyPython
ConsolăSe încarcă...
Mediul de lucru se încarcă. Poți citi lecția între timp.
Rulează codul cu butonul de sus sau cu Ctrl + Enter / Cmd + Enter.
Parcursul tău Ce este AI și Machine Learning Lecția 6 · Date: caracteristici și etichete
Progres 0% 0 din 17
Lecția curentă 6 / 15 Date