Hvorfor Skalere Data?
Efter håndtering af manglende værdier og kodning af kategoriske funktioner er datasættet fri for problemer, der kan forårsage fejl i modellen. Dog er der stadig en udfordring: forskellige skalaer for funktioner.
Dette problem vil ikke forårsage fejl, hvis du anvender dataene i deres nuværende tilstand til modellen, men det kan væsentligt forringe visse ML-modeller.
Overvej et eksempel, hvor én funktion er 'age', der spænder fra 18 til 50, og den anden funktion er 'income', der spænder fra $25,000 til $500,000. Det er tydeligt, at en forskel på ti år i alder er mere betydningsfuld end en forskel på ti dollars i indkomst.
Dog kan nogle modeller, såsom k-NN (som vi vil bruge i dette kursus), behandle disse forskelle som lige vigtige. Derfor vil kolonnen 'income' have en langt større indflydelse på modellen. Det er derfor afgørende, at funktionerne har omtrent samme interval, for at k-NN fungerer effektivt.
Selvom andre modeller kan være mindre påvirkede af forskellige skalaer, kan skalering af data markant forbedre behandlingstiden. Derfor indgår datascaling ofte som det sidste trin i forbehandlingen.
Som nævnt ovenfor er datascaling normalt det sidste trin i forbehandlingsfasen. Dette skyldes, at ændringer i features foretaget efter skalering kan gøre dataene uskalerede igen.
Det næste kapitel vil gennemgå de tre mest anvendte transformere til datascaling. Disse er StandardScaler, MinMaxScaler og MaxAbsScaler.
Tak for dine kommentarer!
Spørg AI
Spørg AI
Spørg om hvad som helst eller prøv et af de foreslåede spørgsmål for at starte vores chat
Awesome!
Completion rate improved to 3.13Hvorfor Skalere Data?
Stryg for at vise menuen
Efter håndtering af manglende værdier og kodning af kategoriske funktioner er datasættet fri for problemer, der kan forårsage fejl i modellen. Dog er der stadig en udfordring: forskellige skalaer for funktioner.
Dette problem vil ikke forårsage fejl, hvis du anvender dataene i deres nuværende tilstand til modellen, men det kan væsentligt forringe visse ML-modeller.
Overvej et eksempel, hvor én funktion er 'age', der spænder fra 18 til 50, og den anden funktion er 'income', der spænder fra $25,000 til $500,000. Det er tydeligt, at en forskel på ti år i alder er mere betydningsfuld end en forskel på ti dollars i indkomst.
Dog kan nogle modeller, såsom k-NN (som vi vil bruge i dette kursus), behandle disse forskelle som lige vigtige. Derfor vil kolonnen 'income' have en langt større indflydelse på modellen. Det er derfor afgørende, at funktionerne har omtrent samme interval, for at k-NN fungerer effektivt.
Selvom andre modeller kan være mindre påvirkede af forskellige skalaer, kan skalering af data markant forbedre behandlingstiden. Derfor indgår datascaling ofte som det sidste trin i forbehandlingen.
Som nævnt ovenfor er datascaling normalt det sidste trin i forbehandlingsfasen. Dette skyldes, at ændringer i features foretaget efter skalering kan gøre dataene uskalerede igen.
Det næste kapitel vil gennemgå de tre mest anvendte transformere til datascaling. Disse er StandardScaler, MinMaxScaler og MaxAbsScaler.
Tak for dine kommentarer!
