Normalisering af data

Datanormalisering sikrer, at alle egenskaber i et datasæt har omtrent samme skala. Det er afgørende for algoritmer som gradientnedstigning og afstandsbaserede modeller. I denne lektion undersøger vi teknikker til standardisering og skalering.

Normalisering sikrer, at alle egenskaber bidrager lige meget til modellen. Uden normalisering kan egenskaber med større skala dominere læringsprocessen.

Eksempel:

• Alder (0-100) og indkomst (0-100.000) bør skaleres til sammenlignelige intervaller.

Standardisering transformerer data, så gennemsnittet bliver 0, og standardafvigelsen bliver 1. Den beregnes som:

z = (x - mean) / std_dev

Standardisering er velegnet til algoritmer som logistisk regression og SVM.

Min-maks-skalering skalerer data til et fast interval, typisk [0, 1]. Den beregnes som:

x_scaled = (x - min) / (max - min)

Denne teknik bruges, når data skal begrænses til et bestemt interval.

Brug StandardScaler fra sklearn.preprocessing til at standardisere data.

Eksempel:

from sklearn.preprocessing import StandardScaler scaler = StandardScaler() data_scaled = scaler.fit_transform(data)

Brug MinMaxScaler fra sklearn.preprocessing til at anvende min-maks-skalering.

Eksempel:

from sklearn.preprocessing import MinMaxScaler scaler = MinMaxScaler() data_scaled = scaler.fit_transform(data)

Overvej følgende, når du vælger en teknik:

• Standardisering: Bruges, når data indeholder afvigende værdier.
• Min-maks-skalering: Bruges, når egenskaber skal begrænses til et bestemt interval.

I denne lektion lærte du om:

• Standardisering: Skalering af data til et gennemsnit på 0 og en standardafvigelse på 1.
• Min-maks-skalering: Transformation af data til et fast interval.
• Brug af StandardScaler og MinMaxScaler i Python.

Du har gennemført lektionen om normalisering af data. Fortsæt til næste lektion for at lære om fletning af data i Python.