Skalowanie cech

term_id: feature_scaling

Category: basic_concepts

Definition

Skalowanie cech standaryzuje zakres zmiennych wejściowych, aby zapobiec dominowaniu cech o większych wartościach w procesie uczenia. Powszechne metody obejmują normalizację (skalowanie min-max) oraz standaryzację (skalowanie Z-score). Jest to kluczowy krok wstępny dla wielu algorytmów, takich jak sieci neuronowe czy maszyny wektorów nośnych, które są wrażliwe na skalę danych.

Summary

Proces normalizacji zakresu zmiennych niezależnych lub cech danych w celu zapewnienia jednolitości wielkości.

Key Concepts

  • Normalizacja
  • Standaryzacja
  • Spadek gradientowy
  • Przetwarzanie wstępne danych

Use Cases

  • Trening sieci neuronowych
  • Klasteryzacja K-średnich
  • Maszyny wektorów nośnych (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