การทำให้ข้อมูลเป็นมาตรฐาน

การทำให้ข้อมูลเป็นมาตรฐานช่วยให้คุณลักษณะทั้งหมดในชุดข้อมูลมีมาตราส่วนใกล้เคียงกัน ซึ่งมีความสำคัญอย่างยิ่งสำหรับอัลกอริทึมอย่างการไล่ระดับลงและแบบจำลองที่อิงระยะทาง ในบทเรียนนี้ เราจะสำรวจเทคนิคการทำให้เป็นมาตรฐานและการปรับมาตราส่วน

เหตุใดจึงต้องทำข้อมูลให้เป็นมาตรฐาน

การทำให้เป็นมาตรฐานช่วยให้คุณลักษณะทั้งหมดมีส่วนต่อแบบจำลองอย่างเท่าเทียมกัน หากไม่ทำให้เป็นมาตรฐาน คุณลักษณะที่มีมาตราส่วนใหญ่กว่าอาจครอบงำกระบวนการเรียนรู้

ตัวอย่าง:

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

การทำให้เป็นมาตรฐาน

การทำให้เป็นมาตรฐานจะแปลงข้อมูลให้มีค่าเฉลี่ยเท่ากับ 0 และส่วนเบี่ยงเบนมาตรฐานเท่ากับ 1 โดยคำนวณได้ดังนี้:

z = (x - mean) / std_dev

การทำให้เป็นมาตรฐานเหมาะสำหรับอัลกอริทึมอย่างการถดถอยโลจิสติกและ SVM

การปรับมาตราส่วนแบบค่าต่ำสุด–ค่าสูงสุด

การปรับมาตราส่วนแบบค่าต่ำสุด–ค่าสูงสุดจะปรับข้อมูลให้อยู่ในช่วงคงที่ โดยทั่วไปคือ [0, 1] โดยคำนวณได้ดังนี้:

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

เทคนิคนี้ใช้เมื่อข้อมูลจำเป็นต้องอยู่ภายในขอบเขตที่กำหนด

การปรับข้อมูลให้เป็นมาตรฐานใน Python (การทำให้เป็นมาตรฐาน)

ใช้ StandardScaler จาก sklearn.preprocessing เพื่อทำให้ข้อมูลเป็นมาตรฐาน

ตัวอย่าง:

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

การปรับข้อมูลให้เป็นมาตรฐานใน Python (การปรับสเกลแบบค่าต่ำสุด-ค่าสูงสุด)

ใช้ MinMaxScaler จาก sklearn.preprocessing เพื่อปรับสเกลแบบค่าต่ำสุด-ค่าสูงสุด

ตัวอย่าง:

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

การเลือกเทคนิคการปรับข้อมูลให้เป็นมาตรฐาน

โปรดพิจารณาสิ่งต่อไปนี้เมื่อเลือกเทคนิค:

• การทำให้เป็นมาตรฐาน: ใช้เมื่อข้อมูลมีค่าผิดปกติ
• การปรับสเกลแบบค่าต่ำสุด-ค่าสูงสุด: ใช้เมื่อคุณลักษณะจำเป็นต้องอยู่ภายในขอบเขต

สรุป

ในบทเรียนนี้ คุณได้เรียนรู้เกี่ยวกับ:

• การทำให้เป็นมาตรฐาน: การปรับสเกลข้อมูลให้มีค่าเฉลี่ยเป็น 0 และมีส่วนเบี่ยงเบนมาตรฐานเป็น 1
• การปรับสเกลแบบค่าต่ำสุด-ค่าสูงสุด: การแปลงข้อมูลให้อยู่ในช่วงที่กำหนด
• การใช้ StandardScaler และ MinMaxScaler ใน Python

ยินดีด้วย!

คุณเรียนจบบทเรียนเรื่องการทำให้ข้อมูลเป็นมาตรฐานแล้ว โปรดเรียนต่อในบทถัดไปเพื่อเรียนรู้เกี่ยวกับการผสานข้อมูลใน Python