Combinaciones de atributos: Comprueba tu comprensión

Explora las opciones que aparecen a continuación.

Las distintas ciudades de California tienen precios de vivienda notablemente diferentes. Imagina que tienes que crear un modelo para predecir dichos precios. ¿Cuál de los siguientes conjuntos o combinaciones de atributos podrían aprender relaciones específicas de cada ciudad entre roomsPerPerson y el precio de vivienda?
Tres atributos discretos separados: [binned latitude], [binned longitude], [binned roomsPerPerson]
La discretización es eficaz porque permite que el modelo aprenda relaciones no lineales dentro de un solo atributo. Sin embargo, una ciudad existe en más de una dimensión, de manera que aprender relaciones específicas de cada ciudad requiere latitud y longitud combinadas.
Un atributo combinado: [latitud X longitud X ambientesPorPersona]
En este ejemplo, combinar atributos con valores reales no es una buena idea. La combinación del valor real de latitud con ambientesPorPersona, por ejemplo, permite que un cambio del 10% en un atributo (p. ej., latitud) sea equivalente a un cambio del 10% en el otro atributo (p. ej., ambientesPorPersona).
Una combinación de atributos: [latitud discreta X longitud discreta X ambientesPorPersona discreta]
La combinación de la latitud discreta con la longitud discreta permite que el modelo aprenda efectos específicos de cada ciudad de ambientesPorPersona. La discretización impide que un cambio en la latitud produzca el mismo resultado que un cambio en la longitud. Según el nivel de detalle de las discretizaciones, esta combinación de atributos podría aprender efectos específicos de cada ciudad, barrio o incluso manzana.
Dos combinaciones de atributos: [latitud discreta X ambientesPorPersona discreta] y [longitud discreta X ambientesPorPersona discreta]
La discretización es una buena idea; sin embargo, una ciudad es la conjunción de latitud y longitud, de manera que las combinaciones de atributos separadas impiden que el modelo aprenda precios específicos de cada ciudad.

Enviar comentarios sobre…

Curso intensivo de aprendizaje automático