Aprendizaje automático Comprender los propósitos de centrado y escalamiento
Propósitos de centrado y escalamiento en aprendizaje automático
Usando Transformadores (MinMaxScaler, StandardScaler, RobustScaler)
Introducción
Este artículo introduce los conceptos de centrado y escala. Con un caso de uso del mundo real, explico las ventajas de centrar y escalar los datos.
Profundizamos en cálculos y explicaciones simples al observar los métodos predefinidos de Scikit-Learn.
Técnicamente, comparamos MinMaxScaler, StandardScaler y RobustScaler. Son parte de los métodos de transformadores que facilitan la preprocesamiento.
Al final, comprenderás el propósito de centrar y escalar datos y estarás listo para usar los transformadores predefinidos de Scikit-Learn.
¿Qué es el Centrado y Escalado?
Comprender los conceptos
La escala transforma los datos a un rango o escala específica, mientras que el centrado implica desplazar los puntos de datos para que su media sea cero. Un ejemplo a continuación.
- Los mejores mejoradores y ampliadores de imágenes de IA en 2023
- Esta investigación de Inteligencia Artificial AI propone SAM-Med2D ...
- Microsoft presenta una patente sobre su nueva mochila inteligente i...
Puedes ver el efecto de escalar y centrar los datos. Ahora, a la derecha, los datos están centrados alrededor de 0 y aparecen en una escala más corta (ejes X e Y).
Ventajas
Hay varias ventajas de centrar y escalar los datos, las más importantes para el escalado:
- Mejorar el rendimiento de los algoritmos: Los algoritmos que utilizan distancias, como K-Nearest Neighbors (KNN) y K-Means, son sensibles a la distancia entre los datos. Reducir la escala de los datos mejora su rendimiento.
- Normalizar características: Cuando un conjunto de datos contiene características con diferentes escalas, escalar los datos evita dar demasiada importancia a las características con magnitudes más grandes.
- Mejorar la comparación de datos: Facilita la comparación de datos debido a su misma escala.
- Prevenir problemas numéricos: Escalar los datos puede prevenir problemas como desbordamiento y subdesbordamiento (cuando los números son muy pequeños o grandes).
- Reducir la influencia de valores atípicos…
