Padronização

Pré-processamento para Machine Learning em Python

James Chapman

Curriculum Manager, DataCamp

O que é padronização?

 

Padronização: transformar dados contínuos para parecerem normalmente distribuídos

  • Modelos do scikit-learn assumem dados normalmente distribuídos
  • Usar dados de treino não normais pode introduzir viés
  • Normalização log e escalonamento de variáveis neste curso
  • Aplicado a dados numéricos contínuos
Pré-processamento para Machine Learning em Python

Quando padronizar: distâncias lineares

  • Modelar em espaço linear

 

Exemplos:

  • k-Nearest Neighbors (kNN)
  • Regressão linear
  • Agrupamento K-Means

Um exemplo de kNN.

Pré-processamento para Machine Learning em Python

Quando padronizar: alta variância

  • Modelar em espaço linear

 

Exemplos:

  • k-Nearest Neighbors (kNN)
  • Regressão linear
  • Agrupamento K-Means

 

  • As variáveis do conjunto de dados têm alta variância

Um exemplo de kNN.

Pré-processamento para Machine Learning em Python

Quando padronizar: escalas diferentes

 

  • Variáveis estão em escalas diferentes

 

Exemplo:

  • Prever preços de casas usando nº de quartos e preço da última venda

 

  • Suposições de linearidade
Pré-processamento para Machine Learning em Python

Vamos praticar!

Pré-processamento para Machine Learning em Python

Preparing Video For Download...