Հատկանիշների նախագծում

Feature engineering-ը հում տվյալները մոդելների համար ավելի խելացի մուտքային տվյալների վերածելու աշխատանքն է՝ մաքրելով, ձևափոխելով և ստեղծելով մուտքեր, որպեսզի օրինաչափությունները ավելի հեշտ լինեն սովորել։ Այն օգտագործում են ճշգրտությունը բարձրացնելու, սխալը փոքրացնելու և մոդելներն ավելի կայուն դարձնելու համար՝ մշակելով բաց թողնված արժեքները, կարգավորելով մասշտաբը (օրինակ՝ նորմալացում), մեղմելով շեղված բաշխումները (log ձևափոխություններ), կոդավորելով կատեգորիաները և ստեղծելով տվյալ ոլորտին հատուկ ազդանշաններ (հարաբերություններ, ուշացումներ, փոխազդեցություններ)։ Լավ հատկանիշները հաճախ թույլ են տալիս, որ ավելի պարզ մեքենայական ուսուցման մոդելները ավելի լավ արդյունք տան, քան բարդ մոդելները։ Դրանք նաև բարելավում են մեկնաբանելիությունը (հստակ, անուն ունեցող ազդանշաններ) և արտադրական համակարգերը դարձնում են ավելի կայուն՝ վերարտադրելի pipeline-ների միջոցով։

Մի սանդղակ՝ բոլորի համար

Դասական քայլերից մեկը չափման միավորները ստանդարտացնելն է, որպեսզի ամեն արժեք նույն բանն արտահայտի։ Այսօր պետք է խառը միավորներով տրված ջերմաստիճանների ցանկը դարձնեք մեկ միասնական սանդղակ՝ Կելվին։

Կլիմայական լաբորատորիան ջերմաստիճանի չափումներ է հավաքում տարբեր սենսորներից։ Մի քանիսը չափում են Ցելսիուսով, մի քանիսը՝ Ֆարենհայթով, իսկ մի քանիսն արդեն օգտագործում են Կելվին։ Ցուցատախտակը կարող է ցույց տալ միայն մեկ սանդղակ, այնպես որ ձեր գործն է բոլոր չափումները փոխարկել Կելվինի։

Մուտքի առաջին տողում տրված է մեկ ամբողջ թիվ՝ n՝ չափումների քանակը։

Հաջորդ n տողերից յուրաքանչյուրում տրված է ջերմաստիճանի արժեք, հետո՝ բացատ, և հետո՝ չափման միավորը (C, F կամ K՝ մեծատառով)։ Արժեքը կարող է լինել ամբողջ թիվ կամ կոտորակային թիվ։

Տպեք Կելվինի փոխարկված ջերմաստիճանները՝ յուրաքանչյուրը նոր տողում։ Պարտադիր չէ պատասխանները կլորացնել ստորակետից հետո երկու նիշի։

Փոխարկումներ՝

• C → K: K = C + 273.15

• F → K: K = (F - 32) * 5/9 + 273.15

• K → K: K = K (փոփոխություն չկա)