Datanormalisering

Datanormalisering sikrer at alle egenskapene i et datasett har omtrent samme skala. Dette er avgjørende for algoritmer som gradient descent og avstandsbaserte modeller. I denne leksjonen utforsker vi standardisering og skaleringsmetoder.

Normalisering sikrer at alle egenskapene bidrar likt til modellen. Uten normalisering kan egenskaper med større skala dominere læringsprosessen.

Eksempel:

• Alder (0–100) og inntekt (0–100 000) bør skaleres til sammenlignbare intervaller.

Standardisering transformerer data slik at gjennomsnittet blir 0 og standardavviket blir 1. Det beregnes slik:

z = (x - mean) / std_dev

Standardisering egner seg godt for algoritmer som logistisk regresjon og SVM.

Min-maks-skalering skalerer data til et fast intervall, vanligvis [0, 1]. Det beregnes slik:

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

Denne teknikken brukes når dataene må begrenses til et bestemt intervall.

Bruk StandardScaler fra sklearn.preprocessing til å standardisere data.

Eksempel:

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

Bruk MinMaxScaler fra sklearn.preprocessing til å utføre min-maks-skalering.

Eksempel:

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

Ta hensyn til følgende når du velger en teknikk:

• Standardisering: Brukes når dataene inneholder uteliggere.
• Min-maks-skalering: Brukes når egenskaper må være avgrenset.

I denne leksjonen har du lært om:

• Standardisering: Skalering av data til et gjennomsnitt på 0 og et standardavvik på 1.
• Min-maks-skalering: Transformering av data til et fast intervall.
• Bruk av StandardScaler og MinMaxScaler i Python.

Du har fullført leksjonen om normalisering av data. Fortsett til neste leksjon for å lære om sammenslåing av data i Python.