Hvorfor Skalere Dataene?
Etter å ha håndtert manglende verdier og kodet kategoriske variabler, er datasettet fritt for problemer som kan forårsake feil i modellen. Likevel gjenstår en utfordring: forskjellige skalaer på variablene.
Dette problemet vil ikke føre til feil hvis du bruker dataene i nåværende tilstand i modellen, men det kan betydelig forverre enkelte ML-modeller.
Tenk deg et eksempel der én variabel er 'age', som varierer fra 18 til 50, og den andre variabelen er 'income', som varierer fra $25,000 til $500,000. Det er åpenbart at en forskjell på ti år i alder er mer betydningsfull enn en forskjell på ti dollar i inntekt.
Likevel kan enkelte modeller, som k-NN (som vi skal bruke i dette kurset), behandle disse forskjellene som like viktige. Dermed vil kolonnen 'income' ha mye større innvirkning på modellen. Derfor er det avgjørende at variablene har omtrent samme verdiområde for at k-NN skal fungere effektivt.
Selv om andre modeller kan være mindre påvirket av ulike skalaer, kan skalering av data i stor grad øke prosesseringshastigheten. Derfor er datascaling ofte inkludert som et siste steg i forhåndsbehandlingen.
Som nevnt ovenfor, er datascaling vanligvis det siste steget i forhåndsbehandlingsfasen. Dette er fordi endringer i egenskaper gjort etter skalering kan føre til at dataene ikke lenger er skalert.
Neste kapittel vil ta for seg de tre mest brukte transformatorene for datascaling. Disse er StandardScaler, MinMaxScaler og MaxAbsScaler.
Takk for tilbakemeldingene dine!
Spør AI
Spør AI
Spør om hva du vil, eller prøv ett av de foreslåtte spørsmålene for å starte chatten vår
What are the main differences between StandardScaler, MinMaxScaler, and MaxAbsScaler?
Why does k-NN require features to be on the same scale?
Can you explain how scaling improves processing speed in machine learning models?
Awesome!
Completion rate improved to 3.13Hvorfor Skalere Dataene?
Sveip for å vise menyen
Etter å ha håndtert manglende verdier og kodet kategoriske variabler, er datasettet fritt for problemer som kan forårsake feil i modellen. Likevel gjenstår en utfordring: forskjellige skalaer på variablene.
Dette problemet vil ikke føre til feil hvis du bruker dataene i nåværende tilstand i modellen, men det kan betydelig forverre enkelte ML-modeller.
Tenk deg et eksempel der én variabel er 'age', som varierer fra 18 til 50, og den andre variabelen er 'income', som varierer fra $25,000 til $500,000. Det er åpenbart at en forskjell på ti år i alder er mer betydningsfull enn en forskjell på ti dollar i inntekt.
Likevel kan enkelte modeller, som k-NN (som vi skal bruke i dette kurset), behandle disse forskjellene som like viktige. Dermed vil kolonnen 'income' ha mye større innvirkning på modellen. Derfor er det avgjørende at variablene har omtrent samme verdiområde for at k-NN skal fungere effektivt.
Selv om andre modeller kan være mindre påvirket av ulike skalaer, kan skalering av data i stor grad øke prosesseringshastigheten. Derfor er datascaling ofte inkludert som et siste steg i forhåndsbehandlingen.
Som nevnt ovenfor, er datascaling vanligvis det siste steget i forhåndsbehandlingsfasen. Dette er fordi endringer i egenskaper gjort etter skalering kan føre til at dataene ikke lenger er skalert.
Neste kapittel vil ta for seg de tre mest brukte transformatorene for datascaling. Disse er StandardScaler, MinMaxScaler og MaxAbsScaler.
Takk for tilbakemeldingene dine!
