Chuẩn hóa

Tiền xử lý cho Machine Learning bằng Python

James Chapman

Curriculum Manager, DataCamp

Chuẩn hóa là gì?

 

Chuẩn hóa: biến đổi dữ liệu liên tục để trông phân phối chuẩn

  • Mô hình scikit-learn giả định dữ liệu phân phối chuẩn
  • Dùng dữ liệu huấn luyện không chuẩn có thể gây thiên lệch
  • Chuẩn hóa log và chia tỷ lệ đặc trưng trong khóa học này
  • Áp dụng cho dữ liệu số liên tục
Tiền xử lý cho Machine Learning bằng Python

Khi nào nên chuẩn hóa: khoảng cách tuyến tính

  • Mô hình trong không gian tuyến tính

 

Ví dụ:

  • k-Nearest Neighbors (kNN)
  • Hồi quy tuyến tính
  • Phân cụm K-Means

Ví dụ kNN.

Tiền xử lý cho Machine Learning bằng Python

Khi nào nên chuẩn hóa: phương sai cao

  • Mô hình trong không gian tuyến tính

 

Ví dụ:

  • k-Nearest Neighbors (kNN)
  • Hồi quy tuyến tính
  • Phân cụm K-Means

 

  • Đặc trưng của tập dữ liệu có phương sai cao

Ví dụ kNN.

Tiền xử lý cho Machine Learning bằng Python

Khi nào nên chuẩn hóa: khác thang đo

 

  • Đặc trưng ở các thang đo khác nhau

 

Ví dụ:

  • Dự đoán giá nhà bằng số phòng ngủ và giá bán cuối

 

  • Giả định tuyến tính
Tiền xử lý cho Machine Learning bằng Python

Cùng luyện tập nào!

Tiền xử lý cho Machine Learning bằng Python

Preparing Video For Download...