автор: Робби Альфардо Ирфан, Учимся на практике Когда мы хотим построить наши модели, наши данные должны быть подготовлены в первую очередь. Наши предварительно обработанные данные могут содержать атрибуты со смесью шкал для различных величин, таких как доллары, килограммы и объем продаж. Он имеет несколько функций, охватывающих различные степени величины, диапазона и единиц измерения . Это серьезное препятствие, поскольку некоторые алгоритмы машинного обучения очень..

Стандартизация против Учебник по нормализации Масштабирование данных - важный этап предварительной обработки данных. В этом руководстве мы рассмотрим две распространенные схемы масштабирования данных, а именно: Стандартизация и Нормализация . Мы проиллюстрируем наши примеры, используя набор данных круизного лайнера . Импортировать необходимые библиотеки Python import numpy as np import pandas as pd import seaborn as sns import matplotlib.pyplot as plt Импортируйте набор..

Невозможно построить отличное здание на слабом фундаменте. У вас должен быть прочный фундамент, если вы собираетесь иметь сильную супраструктуру. -Гордон Б. Хинкли Разработка функций - это ключевой модуль в жизненном цикле проекта в области науки о данных. Например, вам поручили проект по озеленению, и все, что вам предоставили, - это неровный, засыпанный сорняками задний двор и кучу вещей из розничного строительного магазина, таких как деревянные блоки, грунт, бетонное сырье. Чтобы..

В этом посте я попытался кратко рассказать о масштабировании функций, которое имеет два типа, такие как нормализация и стандартизация. Я указал разницу между ними. Что такое масштабирование функций? Как мы обсуждали в предыдущем посте, масштабирование признаков означает преобразование всех значений всех признаков в определенном диапазоне с использованием определенных критериев. Масштабирование функций является важной частью этапа предварительной обработки данных при разработке..