Datanormalisering

Datanormalisering säkerställer att alla egenskaper i en datamängd har liknande skalor. Detta är viktigt för algoritmer som gradientnedstigning och avståndsbaserade modeller. I den här lektionen utforskar vi tekniker för standardisering och skalning.

Normalisering säkerställer att alla egenskaper bidrar lika mycket till modellen. Utan normalisering kan egenskaper med större skalor dominera inlärningsprocessen.

Exempel:

• Ålder (0–100) och inkomst (0–100 000) bör skalas till jämförbara intervall.

Standardisering omvandlar data så att medelvärdet blir 0 och standardavvikelsen blir 1. Den beräknas enligt:

z = (x - mean) / std_dev

Standardisering passar bra för algoritmer som logistisk regression och SVM.

Min-max-skalning skalar data till ett fast intervall, vanligtvis [0, 1]. Den beräknas enligt:

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

Den här tekniken används när data behöver begränsas till ett visst intervall.

Använd StandardScaler från sklearn.preprocessing för att standardisera data.

Exempel:

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

Använd MinMaxScaler från sklearn.preprocessing för att tillämpa min-max-skalning.

Exempel:

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

Tänk på följande när en teknik väljs:

• Standardisering: Används när data innehåller extremvärden.
• Min-max-skalning: Används när egenskaperna behöver begränsas till ett intervall.

I den här lektionen lärde du dig om:

• Standardisering: Att skala data till ett medelvärde på 0 och en standardavvikelse på 1.
• Min-max-skalning: Att omvandla data till ett fast intervall.
• Att använda StandardScaler och MinMaxScaler i Python.

Du har slutfört lektionen om datanormalisering. Gå vidare till nästa lektion för att lära dig mer om datasammanfogning i Python.