StandardScaler, MinMaxScaler, MaxAbsScaler
Desliza para mostrar el menú
Existen tres enfoques populares para escalar los datos:
MinMaxScaler: escala las características a un rango de [0, 1];MaxAbsScaler: escala las características de modo que el valor absoluto máximo sea 1 (por lo que los datos estarán garantizados en un rango de [-1, 1]);StandardScaler: estandariza las características haciendo que la media sea igual a 0 y la varianza igual a 1.
Para ilustrar cómo funcionan los escaladores, considera las características 'culmen_depth_mm' y 'body_mass_g' del penguins dataset. Estas características pueden graficarse para observar sus escalas.
MinMaxScaler
El MinMaxScaler funciona restando el valor mínimo (para que los valores comiencen desde cero) y luego dividiendo por (x_max - x_min) para que el resultado sea menor o igual a 1.
Aquí tienes el gif que muestra cómo funciona MinMaxScaler:
MaxAbsScaler
MaxAbsScaler funciona encontrando el valor absoluto máximo y dividiendo cada valor por este. Esto asegura que el valor absoluto máximo sea 1.
StandardScaler
La idea de StandardScaler proviene de la estadística. Funciona restando la media (para centrar en torno a cero) y dividiendo por la desviación estándar (para que la varianza sea igual a 1).
Si no comprendes qué son la media, la desviación estándar y la varianza, puedes consultar nuestro curso Learning Statistics with Python. Sin embargo, este conocimiento no es obligatorio para continuar.
Ejemplo de código con MinMaxScaler. Otros escaladores se aplican de la misma manera.
12345678910import pandas as pd from sklearn.preprocessing import MinMaxScaler df = pd.read_csv('https://codefinity-content-media.s3.eu-west-1.amazonaws.com/a65bbc96-309e-4df9-a790-a1eb8c815a1c/penguins_imputed_encoded.csv') # Assign X,y variables X, y = df.drop('species', axis=1), df['species'] # Initialize a MinMaxScaler object and transform the X minmax = MinMaxScaler() X = minmax.fit_transform(X) print(X)
La salida no es la más estética, ya que los escaladores transforman los datos en un array de numpy, pero con los pipelines, esto no será un problema.
Solo se deben escalar las columnas de características (la variable X). No es necesario escalar la variable objetivo, ya que esto complicaría el proceso de transformación inversa.
¿Qué escalador utilizar?
Un StandardScaler es más sensible a los valores atípicos, lo que lo hace menos adecuado como escalador predeterminado. Si prefieres una alternativa a StandardScaler, la elección entre MinMaxScaler y MaxAbsScaler depende de la preferencia personal, ya sea escalar los datos al rango [0,1] con MinMaxScaler o a [-1,1] con MaxAbsScaler.
1. ¿Cuál es el propósito principal de usar MinMaxScaler en el preprocesamiento de datos?
2. ¿Por qué podrías reconsiderar el uso de StandardScaler para tu conjunto de datos?
¡Gracias por tus comentarios!
Pregunte a AI
Pregunte a AI
Pregunte lo que quiera o pruebe una de las preguntas sugeridas para comenzar nuestra charla
