Feature Scaling

term_id: feature_scaling

Category: basic_concepts

Definition

Feature Scaling standardisiert den Bereich der Eingangsvariablen, um zu verhindern, dass Merkmale mit größeren Magnituden den Lernprozess dominieren. Gängige Methoden umfassen die Normalisierung (Min-Max-Skalierung) und die Standardisierung (Z-Score-Normalisierung). Dies ist besonders wichtig für Algorithmen, die auf Distanzberechnungen oder Gradientenabstieg basieren.

Summary

Der Prozess der Normalisierung des Bereichs unabhängiger Variablen oder Merkmale von Daten, um Einheitlichkeit in der Größenordnung sicherzustellen.

Key Concepts

  • Normalisierung
  • Standardisierung
  • Gradientenabstieg
  • Datenvorverarbeitung

Use Cases

  • Training neuronaler Netze
  • K-Means-Clustering
  • Support Vector Machines (SVM)

Code Example

1
2
3
4
5
6
7

from sklearn.preprocessing import StandardScaler
import numpy as np

X = np.array([[1, 2], [3, 4], [5, 6]])
scaler = StandardScaler()
X_scaled = scaler.fit_transform(X)
print(X_scaled)

Related