การปรับข้อมูลให้เป็นมาตรฐาน

การปรับข้อมูลให้เป็นมาตรฐานช่วยให้คุณลักษณะทั้งหมดในชุดข้อมูลมีสเกลใกล้เคียงกัน ซึ่งมีความสำคัญอย่างยิ่งต่ออัลกอริทึมอย่างการไล่ระดับลงและแบบจำลองที่อิงระยะทาง ในบทเรียนนี้ เราจะสำรวจเทคนิคการทำให้เป็นมาตรฐานและการปรับสเกล

เหตุใดจึงต้องปรับข้อมูลให้เป็นมาตรฐาน

การปรับข้อมูลให้เป็นมาตรฐานช่วยให้คุณลักษณะทั้งหมดมีส่วนต่อแบบจำลองอย่างเท่าเทียม หากไม่ปรับข้อมูลให้เป็นมาตรฐาน คุณลักษณะที่มีสเกลใหญ่กว่าอาจครอบงำกระบวนการเรียนรู้

ตัวอย่าง:

• อายุ (0-100) และรายได้ (0-100,000) ควรปรับให้อยู่ในช่วงที่สามารถเปรียบเทียบกันได้

การทำให้เป็นมาตรฐาน

การทำให้เป็นมาตรฐานจะแปลงข้อมูลให้มีค่าเฉลี่ยเท่ากับ 0 และมีส่วนเบี่ยงเบนมาตรฐานเท่ากับ 1 โดยคำนวณได้ดังนี้:

z = (x - mean) / std_dev

การทำให้เป็นมาตรฐานเหมาะสำหรับอัลกอริทึมอย่างการถดถอยโลจิสติกและ SVM

การปรับสเกลแบบค่าต่ำสุด-ค่าสูงสุด

การปรับสเกลแบบค่าต่ำสุด-ค่าสูงสุดจะปรับข้อมูลให้อยู่ในช่วงคงที่ ซึ่งโดยทั่วไปคือ [0, 1] โดยคำนวณได้ดังนี้:

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

เทคนิคนี้ใช้เมื่อข้อมูลจำเป็นต้องอยู่ภายในขอบเขตที่กำหนด

การปรับข้อมูลให้เป็นมาตรฐานในไพธอน (การทำให้เป็นมาตรฐาน)

ใช้ StandardScaler จาก sklearn.preprocessing เพื่อทำให้ข้อมูลเป็นมาตรฐาน

ตัวอย่าง:

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

การปรับข้อมูลให้เป็นมาตรฐานในไพธอน (การปรับสเกลแบบค่าต่ำสุด-ค่าสูงสุด)

ใช้ MinMaxScaler จาก sklearn.preprocessing เพื่อปรับสเกลแบบค่าต่ำสุด-ค่าสูงสุด

ตัวอย่าง:

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

การเลือกเทคนิคการปรับข้อมูลให้เป็นมาตรฐาน

พิจารณาสิ่งต่อไปนี้เมื่อเลือกใช้เทคนิค:

• การทำให้เป็นมาตรฐาน: ใช้เมื่อข้อมูลมีค่าผิดปกติ
• การปรับสเกลแบบค่าต่ำสุด-ค่าสูงสุด: ใช้เมื่อคุณลักษณะจำเป็นต้องอยู่ภายในขอบเขตที่กำหนด

ทบทวน

ในบทเรียนนี้ คุณได้เรียนรู้เกี่ยวกับ:

• การทำให้เป็นมาตรฐาน: การปรับขนาดข้อมูลให้มีค่าเฉลี่ยเป็น 0 และมีส่วนเบี่ยงเบนมาตรฐานเป็น 1
• การปรับมาตราส่วนแบบค่าต่ำสุด-ค่าสูงสุด: การแปลงข้อมูลให้อยู่ในช่วงค่าคงที่
• การใช้ StandardScaler และ MinMaxScaler ในไพธอน

ขอแสดงความยินดี

คุณเรียนจบบทเรียนเกี่ยวกับการปรับข้อมูลให้เป็นมาตรฐานแล้ว เรียนต่อในบทถัดไปเพื่อเรียนรู้เกี่ยวกับการผสานข้อมูลในไพธอน