StandardScaler, MinMaxScaler, MaxAbsScaler
Existem três abordagens populares para a normalização dos dados:
MinMaxScaler: normaliza as variáveis para o intervalo [0, 1];MaxAbsScaler: normaliza as variáveis de modo que o valor absoluto máximo seja 1 (garantindo que os dados estejam no intervalo [-1, 1]);StandardScaler: padroniza as variáveis tornando a média igual a 0 e a variância igual a 1.
Para ilustrar como os scalers operam, considere as variáveis 'culmen_depth_mm' e 'body_mass_g' do conjunto de dados penguins. Essas variáveis podem ser plotadas para observar suas escalas.
MinMaxScaler
O MinMaxScaler funciona subtraindo o valor mínimo (para que os valores comecem do zero) e depois dividindo por (x_max - x_min) para garantir que o resultado seja menor ou igual a 1.
Aqui está o gif mostrando como o MinMaxScaler funciona:
MaxAbsScaler
O MaxAbsScaler funciona encontrando o valor absoluto máximo e dividindo cada valor por ele. Isso garante que o valor absoluto máximo seja 1.
StandardScaler
A ideia do StandardScaler vem da estatística. Ele funciona subtraindo a média (para centralizar em torno de zero) e dividindo pelo desvio padrão (para que a variância seja igual a 1).
Se você não compreende o que são média, desvio padrão e variância, consulte nosso curso Estatística com Python. Entretanto, esse conhecimento não é obrigatório para prosseguir.
Exemplo de código utilizando o MinMaxScaler. Outros scalers são aplicados da mesma forma.
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)
A saída não é das mais bonitas, pois os scalers transformam os dados em um array do numpy, mas com pipelines isso não será um problema.
Apenas as colunas de atributos (a variável X) devem ser normalizadas. Não é necessário normalizar a variável alvo, pois isso complicaria o processo de transformação inversa.
Qual Scaler Utilizar?
O StandardScaler é mais sensível a outliers, tornando-o menos adequado como scaler padrão. Caso prefira uma alternativa ao StandardScaler, a escolha entre MinMaxScaler e MaxAbsScaler depende da preferência pessoal, seja para normalizar os dados no intervalo [0,1] com o MinMaxScaler ou em [-1,1] com o MaxAbsScaler.
1. Qual é o principal objetivo de utilizar o MinMaxScaler no pré-processamento de dados?
2. Por que você pode reconsiderar o uso do StandardScaler para seu conjunto de dados?
Obrigado pelo seu feedback!
Pergunte à IA
Pergunte à IA
Pergunte o que quiser ou experimente uma das perguntas sugeridas para iniciar nosso bate-papo
Awesome!
Completion rate improved to 3.13StandardScaler, MinMaxScaler, MaxAbsScaler
Deslize para mostrar o menu
Existem três abordagens populares para a normalização dos dados:
MinMaxScaler: normaliza as variáveis para o intervalo [0, 1];MaxAbsScaler: normaliza as variáveis de modo que o valor absoluto máximo seja 1 (garantindo que os dados estejam no intervalo [-1, 1]);StandardScaler: padroniza as variáveis tornando a média igual a 0 e a variância igual a 1.
Para ilustrar como os scalers operam, considere as variáveis 'culmen_depth_mm' e 'body_mass_g' do conjunto de dados penguins. Essas variáveis podem ser plotadas para observar suas escalas.
MinMaxScaler
O MinMaxScaler funciona subtraindo o valor mínimo (para que os valores comecem do zero) e depois dividindo por (x_max - x_min) para garantir que o resultado seja menor ou igual a 1.
Aqui está o gif mostrando como o MinMaxScaler funciona:
MaxAbsScaler
O MaxAbsScaler funciona encontrando o valor absoluto máximo e dividindo cada valor por ele. Isso garante que o valor absoluto máximo seja 1.
StandardScaler
A ideia do StandardScaler vem da estatística. Ele funciona subtraindo a média (para centralizar em torno de zero) e dividindo pelo desvio padrão (para que a variância seja igual a 1).
Se você não compreende o que são média, desvio padrão e variância, consulte nosso curso Estatística com Python. Entretanto, esse conhecimento não é obrigatório para prosseguir.
Exemplo de código utilizando o MinMaxScaler. Outros scalers são aplicados da mesma forma.
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)
A saída não é das mais bonitas, pois os scalers transformam os dados em um array do numpy, mas com pipelines isso não será um problema.
Apenas as colunas de atributos (a variável X) devem ser normalizadas. Não é necessário normalizar a variável alvo, pois isso complicaria o processo de transformação inversa.
Qual Scaler Utilizar?
O StandardScaler é mais sensível a outliers, tornando-o menos adequado como scaler padrão. Caso prefira uma alternativa ao StandardScaler, a escolha entre MinMaxScaler e MaxAbsScaler depende da preferência pessoal, seja para normalizar os dados no intervalo [0,1] com o MinMaxScaler ou em [-1,1] com o MaxAbsScaler.
1. Qual é o principal objetivo de utilizar o MinMaxScaler no pré-processamento de dados?
2. Por que você pode reconsiderar o uso do StandardScaler para seu conjunto de dados?
Obrigado pelo seu feedback!
