Normalización de datos

La normalización de datos garantiza que todas las características de un conjunto de datos tengan escalas similares. Esto es fundamental para algoritmos como el descenso del gradiente y los modelos basados en distancias. En esta lección exploraremos técnicas de estandarización y escalado.

¿Por qué normalizar los datos?

La normalización garantiza que todas las características contribuyan por igual al modelo. Sin normalización, las características con escalas mayores pueden dominar el proceso de aprendizaje.

Ejemplo:

• La edad (0-100) y los ingresos (0-100.000) deben escalarse a intervalos comparables.

Estandarización

La estandarización transforma los datos para que tengan una media de 0 y una desviación estándar de 1. Se calcula de la siguiente manera:

z = (x - mean) / std_dev

La estandarización es adecuada para algoritmos como la regresión logística y SVM.

Escalado Min-Max

El escalado Min-Max ajusta los datos a un intervalo fijo, normalmente [0, 1]. Se calcula de la siguiente manera:

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

Esta técnica se utiliza cuando es necesario acotar los datos.

Normalización en Python (estandarización)

Utilice StandardScaler de sklearn.preprocessing para estandarizar los datos.

Ejemplo:

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

Normalización en Python (escalado Min-Max)

Utilice MinMaxScaler de sklearn.preprocessing para aplicar el escalado Min-Max.

Ejemplo:

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

Elección de una técnica de normalización

Tenga en cuenta lo siguiente al seleccionar una técnica:

• Estandarización: Utilícela cuando los datos contengan valores atípicos.
• Escalado Min-Max: Utilícelo cuando sea necesario acotar las características.

Repaso

En esta lección, ha aprendido sobre:

• Estandarización: Escalado de los datos para obtener una media de 0 y una desviación estándar de 1.
• Escalado Min-Max: Transformación de los datos a un intervalo fijo.
• Uso de StandardScaler y MinMaxScaler en Python.

¡Enhorabuena!

Ha completado la lección sobre la normalización de datos. Continúe con la siguiente lección para aprender sobre la combinación de datos en Python.