Warum Die Daten Skalieren?
Nachdem fehlende Werte behandelt und kategoriale Merkmale codiert wurden, ist der Datensatz frei von Problemen, die zu Fehlern im Modell führen könnten. Es bleibt jedoch eine weitere Herausforderung: unterschiedliche Skalen der Merkmale.
Dieses Problem führt zwar nicht zu Fehlern, wenn die aktuellen Daten dem Modell zugeführt werden, kann jedoch einige ML-Modelle erheblich beeinträchtigen.
Betrachten Sie ein Beispiel, bei dem ein Merkmal 'age' ist, das von 18 bis 50 reicht, und das zweite Merkmal 'income', das von $25,000 bis $500,000 reicht. Es ist offensichtlich, dass ein Unterschied von zehn Jahren im Alter bedeutender ist als ein Unterschied von zehn Dollar beim Einkommen.
Einige Modelle, wie zum Beispiel k-NN (welches in diesem Kurs verwendet wird), behandeln diese Unterschiede jedoch als gleich wichtig. Folglich hat die Spalte 'income' einen wesentlich größeren Einfluss auf das Modell. Daher ist es entscheidend, dass die Merkmale für k-NN ungefähr den gleichen Wertebereich aufweisen, um effektiv zu funktionieren.
Andere Modelle sind möglicherweise weniger stark von unterschiedlichen Skalen betroffen, aber das Skalieren der Daten kann die Verarbeitungsgeschwindigkeit deutlich erhöhen. Daher ist das Skalieren der Daten häufig der abschließende Schritt in der Vorverarbeitung.
Wie oben erwähnt, ist die Skalierung der Daten in der Regel der letzte Schritt der Vorverarbeitungsphase. Das liegt daran, dass nachträgliche Änderungen an den Merkmalen nach der Skalierung dazu führen können, dass die Daten wieder unskaliert werden.
Im nächsten Kapitel werden die drei am häufigsten verwendeten Transformer zur Datenskalierung behandelt. Diese sind StandardScaler, MinMaxScaler und MaxAbsScaler.
Danke für Ihr Feedback!
Fragen Sie AI
Fragen Sie AI
Fragen Sie alles oder probieren Sie eine der vorgeschlagenen Fragen, um unser Gespräch zu beginnen
Großartig!
Completion Rate verbessert auf 4.55Warum Die Daten Skalieren?
Swipe um das Menü anzuzeigen
Nachdem fehlende Werte behandelt und kategoriale Merkmale codiert wurden, ist der Datensatz frei von Problemen, die zu Fehlern im Modell führen könnten. Es bleibt jedoch eine weitere Herausforderung: unterschiedliche Skalen der Merkmale.
Dieses Problem führt zwar nicht zu Fehlern, wenn die aktuellen Daten dem Modell zugeführt werden, kann jedoch einige ML-Modelle erheblich beeinträchtigen.
Betrachten Sie ein Beispiel, bei dem ein Merkmal 'age' ist, das von 18 bis 50 reicht, und das zweite Merkmal 'income', das von $25,000 bis $500,000 reicht. Es ist offensichtlich, dass ein Unterschied von zehn Jahren im Alter bedeutender ist als ein Unterschied von zehn Dollar beim Einkommen.
Einige Modelle, wie zum Beispiel k-NN (welches in diesem Kurs verwendet wird), behandeln diese Unterschiede jedoch als gleich wichtig. Folglich hat die Spalte 'income' einen wesentlich größeren Einfluss auf das Modell. Daher ist es entscheidend, dass die Merkmale für k-NN ungefähr den gleichen Wertebereich aufweisen, um effektiv zu funktionieren.
Andere Modelle sind möglicherweise weniger stark von unterschiedlichen Skalen betroffen, aber das Skalieren der Daten kann die Verarbeitungsgeschwindigkeit deutlich erhöhen. Daher ist das Skalieren der Daten häufig der abschließende Schritt in der Vorverarbeitung.
Wie oben erwähnt, ist die Skalierung der Daten in der Regel der letzte Schritt der Vorverarbeitungsphase. Das liegt daran, dass nachträgliche Änderungen an den Merkmalen nach der Skalierung dazu führen können, dass die Daten wieder unskaliert werden.
Im nächsten Kapitel werden die drei am häufigsten verwendeten Transformer zur Datenskalierung behandelt. Diese sind StandardScaler, MinMaxScaler und MaxAbsScaler.
Danke für Ihr Feedback!
