Normalizacja danych

Normalizacja danych zapewnia, że wszystkie cechy w zbiorze danych mają podobne skale. Ma to kluczowe znaczenie dla algorytmów takich jak spadek gradientu oraz modeli opartych na odległości. W tej lekcji omówimy techniki standaryzacji i skalowania.

Normalizacja zapewnia równy udział wszystkich cech w modelu. Bez normalizacji cechy o większych zakresach mogą dominować proces uczenia.

Przykład:

• Wiek (0–100) i dochód (0–100 000) należy przeskalować do porównywalnych zakresów.

Standaryzacja przekształca dane tak, aby miały średnią równą 0 i odchylenie standardowe równe 1. Oblicza się ją następująco:

z = (x - mean) / std_dev

Standaryzacja jest idealna dla algorytmów takich jak regresja logistyczna i SVM.

Skalowanie min-max przekształca dane do ustalonego zakresu, zazwyczaj [0, 1]. Oblicza się je następująco:

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

Technikę tę stosuje się, gdy dane muszą mieścić się w określonych granicach.

Użyj StandardScaler z sklearn.preprocessing, aby wystandaryzować dane.

Przykład:

Użyj MinMaxScaler z sklearn.preprocessing, aby zastosować skalowanie min-max.

Przykład:

Podczas wyboru techniki należy uwzględnić następujące kwestie:

• Standaryzacja: Stosuj, gdy dane zawierają wartości odstające.
• Skalowanie min-max: Stosuj, gdy cechy muszą mieścić się w określonych granicach.

W tej lekcji poznasz:

• Standaryzację: skalowanie danych tak, aby średnia wynosiła 0, a odchylenie standardowe 1.
• Skalowanie Min-Max: przekształcanie danych do ustalonego zakresu.
• Używanie StandardScaler i MinMaxScaler w Pythonie.

Ukończyli Państwo lekcję dotyczącą normalizacji danych. Przejdźcie do następnej lekcji, aby dowiedzieć się, jak scalać dane w Pythonie.