Veri Normalleştirme

Veri normalleştirme, bir veri kümesindeki tüm özelliklerin benzer ölçeklere sahip olmasını sağlar. Bu, gradyan inişi gibi algoritmalar ve uzaklık tabanlı modeller için çok önemlidir. Bu derste standartlaştırma ve ölçekleme tekniklerini inceleyeceğiz.

Veriler Neden Normalleştirilir?

Normalleştirme, tüm özelliklerin modele eşit katkıda bulunmasını sağlar. Normalleştirme olmadığında, daha büyük ölçeklere sahip özellikler öğrenme sürecine hâkim olabilir.

Örnek:

• Yaş (0-100) ve gelir (0-100.000), karşılaştırılabilir aralıklara ölçeklenmelidir.

Standartlaştırma

Standartlaştırma, verileri ortalaması 0 ve standart sapması 1 olacak şekilde dönüştürür. Şu şekilde hesaplanır:

z = (x - mean) / std_dev

Standartlaştırma, lojistik regresyon ve SVM gibi algoritmalar için idealdir.

Min-Maks Ölçekleme

Min-maks ölçekleme, verileri sabit bir aralığa, genellikle [0, 1] aralığına ölçekler. Şu şekilde hesaplanır:

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

Bu teknik, verilerin belirli sınırlar içinde tutulması gerektiğinde kullanılır.

Python'da Normalizasyon (Standartlaştırma)

Verileri standartlaştırmak için sklearn.preprocessing içindeki StandardScaler aracını kullanın.

Örnek:

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

Python'da Normalizasyon (Min-Maks Ölçeklendirme)

Min-maks ölçeklendirmesi uygulamak için sklearn.preprocessing içindeki MinMaxScaler aracını kullanın.

Örnek:

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

Bir Normalizasyon Tekniği Seçme

Bir teknik seçerken aşağıdakileri göz önünde bulundurun:

• Standartlaştırma: Veriler aykırı değerler içerdiğinde kullanın.
• Min-Maks Ölçeklendirme: Özelliklerin belirli sınırlar içinde olması gerektiğinde kullanın.

Özet

Bu derste şunları öğrendiniz:

• Standartlaştırma: Verilerin ortalamasını 0'a ve standart sapmasını 1'e ölçeklendirme.
• Min-Maks Ölçeklendirme: Verileri sabit bir aralığa dönüştürme.
• Python'da StandardScaler ve MinMaxScaler kullanımı.

Tebrikler!

Veri Normalizasyonu dersini tamamladınız. Python'da Veri Birleştirme hakkında bilgi edinmek için sonraki derse geçin.