Datennormalisierung

Durch Datennormalisierung wird sichergestellt, dass alle Merkmale in einem Datensatz vergleichbare Wertebereiche haben. Das ist für Algorithmen wie den Gradientenabstieg und distanzbasierte Modelle entscheidend. In dieser Lektion lernen Sie Standardisierungs- und Skalierungstechniken kennen.

Warum sollten Sie Daten normalisieren?

Durch die Normalisierung wird sichergestellt, dass alle Merkmale gleichermaßen zum Modell beitragen. Ohne Normalisierung können Merkmale mit größeren Wertebereichen den Lernprozess dominieren.

Beispiel:

• Alter (0–100) und Einkommen (0–100.000) sollten auf vergleichbare Wertebereiche skaliert werden.

Standardisierung

Bei der Standardisierung werden Daten so transformiert, dass ihr Mittelwert 0 und ihre Standardabweichung 1 beträgt. Sie wird folgendermaßen berechnet:

z = (x - mean) / std_dev

Die Standardisierung eignet sich besonders für Algorithmen wie die logistische Regression und SVM.

Min-Max-Skalierung

Bei der Min-Max-Skalierung werden Daten auf einen festen Wertebereich skaliert, typischerweise [0, 1]. Sie wird folgendermaßen berechnet:

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

Diese Technik wird verwendet, wenn Daten auf einen begrenzten Wertebereich beschränkt werden müssen.

Normalisierung in Python (Standardisierung)

Verwenden Sie StandardScaler aus sklearn.preprocessing, um Daten zu standardisieren.

Beispiel:

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

Normalisierung in Python (Min-Max-Skalierung)

Verwenden Sie MinMaxScaler aus sklearn.preprocessing, um die Min-Max-Skalierung anzuwenden.

Beispiel:

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

Eine Normalisierungstechnik auswählen

Berücksichtigen Sie bei der Auswahl einer Technik die folgenden Punkte:

• Standardisierung: Verwenden Sie sie, wenn die Daten Ausreißer enthalten.
• Min-Max-Skalierung: Verwenden Sie sie, wenn die Merkmale auf einen begrenzten Wertebereich beschränkt werden müssen.

Zusammenfassung

In dieser Lektion haben Sie Folgendes gelernt:

• Standardisierung: Skalieren von Daten auf einen Mittelwert von 0 und eine Standardabweichung von 1.
• Min-Max-Skalierung: Transformieren von Daten in einen festgelegten Wertebereich.
• Verwenden von StandardScaler und MinMaxScaler in Python.

Glückwunsch!

Sie haben die Lektion zur Datennormalisierung abgeschlossen. Fahren Sie mit der nächsten Lektion fort, um das Zusammenführen von Daten in Python kennenzulernen.