Feature Scaling

Definition

Il Feature Scaling standardizza l’intervallo delle variabili di input per impedire che le funzionalità con magnitudini maggiori dominino il processo di apprendimento. Metodi comuni includono la normalizzazione (scaling min-max) e la standardizzazione (scala Z), che trasformano i dati affinché abbiano media zero e deviazione standard unitaria, migliorando così la stabilità e la velocità di convergenza degli algoritmi di ottimizzazione.

Summary

Il processo di normalizzazione dell’intervallo di variabili indipendenti o funzionalità dei dati per garantire uniformità nella magnitudine.

Key Concepts

• Normalizzazione
• Standardizzazione
• Discesa del gradiente
• Preprocessing dei dati

Use Cases

• Addestramento di reti neurali
• Clustering K-means
• Macchine a Vettori di Supporto (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 Terms

• Min-Max Scaling (Scaling Min-Max)
• Z-score Normalization (Normalizzazione punteggio Z)
• Data preprocessing (Preprocessing dei dati)
• Gradient Descent (Discesa del gradiente)