Aprenda StandardScaler, MinMaxScaler, MaxAbsScaler | Pré-Processamento de Dados com Scikit-Learn

Deslize para mostrar o menu

Existem três abordagens populares para escalonar os dados:

MinMaxScaler: escala as variáveis para o intervalo [0, 1];
MaxAbsScaler: escala 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 funcionam, considere as variáveis 'culmen_depth_mm' e 'body_mass_g' do penguins dataset. 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 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 tornar a variância igual a 1).

Nota

Se você não entende o que são média, desvio padrão e variância, pode conferir nosso curso Aprendendo Estatística com Python. No entanto, esse conhecimento não é obrigatório para prosseguir.

Aqui está um exemplo de código com o MinMaxScaler. Outros scalers são aplicados da mesma forma.


              12345678910
            
import 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 numpy, mas com pipelines isso não será um problema.

Nota

Apenas as colunas de atributos (a variável X) devem ser normalizadas. Não há necessidade de normalizar a variável alvo, pois isso complicaria o processo de transformação inversa.

Qual escalonador usar?

Um StandardScaler é mais sensível a outliers, tornando-o menos adequado como escalonador padrão. Se preferir uma alternativa ao StandardScaler, a escolha entre MinMaxScaler e MaxAbsScaler depende da preferência pessoal, seja para escalonar os dados para o intervalo [0,1] com o MinMaxScaler ou para [-1,1] com o MaxAbsScaler.

1. Qual é o principal objetivo de usar o `MinMaxScaler` no pré-processamento de dados?

2. Por que você pode reconsiderar o uso do `StandardScaler` para seu conjunto de dados?

Tudo estava claro?

Obrigado pelo seu feedback!

Seção 2. Capítulo 10

Pergunte à IA

Pergunte o que quiser ou experimente uma das perguntas sugeridas para iniciar nosso bate-papo