Gegevensnormalisatie

Gegevensnormalisatie zorgt ervoor dat alle kenmerken in een gegevensset vergelijkbare schalen hebben. Dit is cruciaal voor algoritmen zoals gradiëntafdaling en afstandsgebaseerde modellen. In deze les bekijken we technieken voor standaardisatie en schaling.

Normalisatie zorgt ervoor dat alle kenmerken in gelijke mate bijdragen aan het model. Zonder normalisatie kunnen kenmerken met grotere schalen het leerproces overheersen.

Voorbeeld:

• Leeftijd (0-100) en inkomen (0-100.000) moeten naar vergelijkbare bereiken worden geschaald.

Standaardisatie transformeert gegevens zodat het gemiddelde 0 en de standaardafwijking 1 is. De berekening is:

z = (x - mean) / std_dev

Standaardisatie is ideaal voor algoritmen zoals logistische regressie en SVM.

Bij min-max-schaling worden gegevens geschaald naar een vast bereik, meestal [0, 1]. De berekening is:

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

Deze techniek wordt gebruikt wanneer gegevens begrensd moeten zijn.

Gebruik StandardScaler uit sklearn.preprocessing om gegevens te standaardiseren.

Voorbeeld:

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

Gebruik MinMaxScaler uit sklearn.preprocessing om min-maxschaling toe te passen.

Voorbeeld:

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

Houd bij het kiezen van een techniek rekening met het volgende:

• Standaardisering: gebruik deze wanneer de gegevens uitschieters bevatten.
• Min-maxschaling: gebruik deze wanneer kenmerken binnen bepaalde grenzen moeten vallen.

In deze les heb je geleerd over:

• Standaardisering: gegevens schalen naar een gemiddelde van 0 en een standaardafwijking van 1.
• Min-maxschaling: gegevens omzetten naar een vast bereik.
• Het gebruik van StandardScaler en MinMaxScaler in Python.

Je hebt de les over gegevensnormalisatie voltooid. Ga door naar de volgende les om te leren hoe je gegevens in Python samenvoegt.