การทำ Standardization

การเตรียมข้อมูลสำหรับ Machine Learning ด้วย Python

James Chapman

Curriculum Manager, DataCamp

Standardization คืออะไร?

 

Standardization: แปลงข้อมูล ต่อเนื่อง ให้มีการกระจายแบบ โปรด normal

  • โมเดล scikit-learn ต้องการข้อมูลที่กระจายแบบ normal
  • ข้อมูล training ที่ไม่ใช่ normal อาจทำให้เกิด bias
  • คอร์สนี้ครอบคลุม Log normalization และ scaling ของฟีเจอร์
  • ใช้กับข้อมูลตัวเลขแบบต่อเนื่อง
การเตรียมข้อมูลสำหรับ Machine Learning ด้วย Python

เมื่อไรควร Standardize: ระยะทางเชิงเส้น

  • โมเดลทำงานใน linear space

 

ตัวอย่าง:

  • k-Nearest Neighbors (kNN)
  • Linear regression
  • K-Means Clustering

ตัวอย่าง knn

การเตรียมข้อมูลสำหรับ Machine Learning ด้วย Python

เมื่อไรควร Standardize: variance สูง

  • โมเดลทำงานใน linear space

 

ตัวอย่าง:

  • k-Nearest Neighbors (kNN)
  • Linear regression
  • K-Means Clustering

 

  • ฟีเจอร์ในชุดข้อมูลมี variance สูง

ตัวอย่าง knn

การเตรียมข้อมูลสำหรับ Machine Learning ด้วย Python

เมื่อไรควร Standardize: สเกลต่างกัน

 

  • ฟีเจอร์มี สเกลต่างกัน

 

ตัวอย่าง:

  • การพยากรณ์ราคาบ้านโดยใช้ จำนวนห้องนอน และ ราคาขายครั้งล่าสุด

 

  • สมมติฐานเชิงเส้นตรง
การเตรียมข้อมูลสำหรับ Machine Learning ด้วย Python

มาฝึกกันเถอะ!

การเตรียมข้อมูลสำหรับ Machine Learning ด้วย Python

Preparing Video For Download...