Explora las siguientes opciones.
Las distintas ciudades de California tienen precios de vivienda notablemente distintos.
Suponga que tiene la tarea de crear un modelo para predecir esos precios. ¿Cuál de los siguientes conjuntos de atributos o combinaciones de atributos podrían aprender relaciones específicas de cada ciudad entre
roomsPerPerson y el precio de la vivienda?
Tres atributos discretos separados: [binned latitude], [binned longitude], [binned ambientesPerPerson]
La discretización es buena porque permite que el modelo aprenda relaciones no lineales dentro de un solo atributo. Sin embargo, una ciudad existe en más de una dimensión, por lo que aprender relaciones específicas de cada ciudad requiere latitud y longitud combinadas.
Una combinación de atributos: [latitud X longitud X ambientesPorPersona]
En este ejemplo, combinar atributos de valor real 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 (por ejemplo, latitud) sea equivalente a un cambio del 10% en el otro atributo (por ejemplo, ambientesPorPersona).
Una combinación de atributos: [latitud discreta X longitud discreta X ambientesPorPersona discreta]
Si se combina una latitud discreta con una longitud discreta, el modelo puede aprender los efectos específicos de la 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 los discretizaciones, esta combinación de atributos podría aprender efectos específicos de una ciudad, de un vecindario o incluso de un bloque.
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, por lo que las combinaciones de atributos separadas evitan que el modelo aprenda precios específicos de cada ciudad.