StandardScaler, MinMaxScaler, MaxAbsScaler
Veeg om het menu te tonen
Er zijn drie populaire benaderingen voor het schalen van de data:
MinMaxScaler: schaalt kenmerken naar een bereik van [0, 1];MaxAbsScaler: schaalt kenmerken zodat de maximale absolute waarde 1 is (waardoor de data gegarandeerd binnen het bereik [-1, 1] valt);StandardScaler: standaardiseert kenmerken zodat het gemiddelde gelijk is aan 0 en de variantie gelijk is aan 1.
Om te illustreren hoe scalers werken, worden de kenmerken 'culmen_depth_mm' en 'body_mass_g' uit de penguins dataset gebruikt. Deze kenmerken kunnen worden gevisualiseerd om hun schalen te observeren.
MinMaxScaler
De MinMaxScaler werkt door de minimumwaarde af te trekken (zodat de waarden vanaf nul beginnen) en vervolgens te delen door (x_max - x_min) zodat het resultaat kleiner dan of gelijk aan 1 is.
Hier is de gif die laat zien hoe MinMaxScaler werkt:
MaxAbsScaler
De MaxAbsScaler werkt door de maximale absolute waarde te vinden en elke waarde hierdoor te delen. Dit zorgt ervoor dat de maximale absolute waarde 1 is.
StandardScaler
Het idee van StandardScaler komt uit de statistiek. Het werkt door het gemiddelde af te trekken (om te centreren rond nul) en te delen door de standaardafwijking (om de variantie gelijk aan 1 te maken).
Als je niet begrijpt wat het gemiddelde, de standaardafwijking en de variantie zijn, kun je onze Learning Statistics with Python cursus bekijken. Deze kennis is echter niet verplicht om verder te gaan.
Hier is een codevoorbeeld met MinMaxScaler. Andere scalers worden op dezelfde manier toegepast.
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)
De uitvoer is niet erg overzichtelijk omdat scalers de data omzetten naar een numpy array, maar met pipelines vormt dit geen probleem.
Alleen de featurekolommen (de X-variabele) schalen. Het is niet nodig om de doelvariabele te schalen, omdat dit het inverse transformatieproces zou bemoeilijken.
Welke Scaler te Gebruiken?
Een StandardScaler is meer gevoelig voor uitschieters, waardoor deze minder geschikt is als standaard scaler. Als alternatief voor StandardScaler hangt de keuze tussen MinMaxScaler en MaxAbsScaler af van persoonlijke voorkeur, of je de data wilt schalen naar het bereik [0,1] met MinMaxScaler of naar [-1,1] met MaxAbsScaler.
1. Wat is het primaire doel van het gebruik van MinMaxScaler bij data preprocessing?
2. Waarom zou je het gebruik van StandardScaler voor je dataset kunnen heroverwegen?
Bedankt voor je feedback!
Vraag AI
Vraag AI
Vraag wat u wilt of probeer een van de voorgestelde vragen om onze chat te starten.
