Jellemzőskálázás

term_id: feature_scaling

Category: basic_concepts

Definition

A jellemzőskálázás szabványosítja a bemeneti változók tartományát, hogy megakadályozza a nagyobb nagyságrendű jellemzők dominálását a tanítási folyamatban. A leggyakoribb módszerek közé tartozik a normalizálás (min-max skálázás), amely az értékeket egy adott intervallumba, például [0, 1]-re helyezi, valamint a standardizálás (Z-score), amely az adatokat nullára középpontosított, egységnyi szórású eloszlássá alakítja.

Summary

A független változók vagy jellemzők tartományának normalizálása annak biztosítása érdekében, hogy egységes nagyságrendben legyenek.

Key Concepts

  • Normalizálás
  • Standardizálás
  • Gradiens lefutás
  • Adat-előfeldolgozás

Use Cases

  • Neurális hálózatok tanítása
  • K-means klaszterezés
  • Támogatási Vektor Gépek (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