Odborná definícia
Význam a odborné vymedzenie pojmu
Z-score normalization je transformácia numerického príznaku, pri ktorej sa od každej hodnoty odčíta priemer tréningovej vzorky a výsledok sa vydelí jej smerodajnou odchýlkou. Transformovaný príznak má pri použitých štatistikách stred približne nula a rozptyl približne jedna. V strojovom učení zjednocuje mierku vstupov pre metódy citlivé na vzdialenosť, regularizáciu alebo gradient. Priemer a odchýlka sa musia odhadnúť iba z tréningových dát a následne bez prepočtu použiť na validačné aj produkčné vstupy.
Zrozumiteľné vysvetlenie
Ako sa pojem používa v praxi
Predstavte si tabuľku, kde vek meriate v rokoch a príjem v tisícoch eur. Bez úpravy môže príjem číselne prebiť vek, hoci pre model nemusí byť dôležitejší. Z-skóre každú hodnotu vyjadrí ako počet smerodajných odchýlok od priemeru daného stĺpca. Model potom porovnáva príznaky na podobnej mierke. Transformácia však nezaručuje normálne rozdelenie a extrémne hodnoty môžu posunúť priemer aj odchýlku, preto sa pri silných outlieroch zvažuje robustnejšie škálovanie.
Časté otázky
Otázky, ktoré spresňujú význam
Aký je vzorec z-skóre?
Pre hodnotu x sa používa z = (x - priemer) / smerodajná odchýlka. Pri nulovej odchýlke je príznak konštantný a delenie nie je definované.
Ktoré modely z neho typicky profitujú?
Najmä lineárne modely s regularizáciou, neurónové siete, SVM, PCA, k-means a metódy založené na euklidovskej vzdialenosti.
Môže sa scaler dopočítať na celom datasete?
Nie pred vyhodnotením. Použitie validačných alebo testovacích dát pri odhade priemeru vytvára dátový únik a skresľuje meranie výkonu.
Zmení transformácia poradie hodnôt?
Pri kladnej smerodajnej odchýlke zostáva poradie zachované, pretože ide o lineárnu rastúcu transformáciu.
Je z-skóre vhodné pre kategórie?
Nie priamo. Kategórie sa najprv reprezentujú vhodným kódovaním, pričom numerické identifikátory kategórií sa nemajú automaticky interpretovať ako spojitá veličina.
Súvisiace pojmy
Významové a tematické súvislosti
Pojem v rozhodovaní
Odborné články, ktoré tento pojem používajú v praxi
Zdroje a redakčná stopa
Použité východiská a odborná revízia
- scikit-learn, StandardScaler
- SciPy, zscore
Definícia je autorská odborná syntéza. Pri právnych a regulačných rozhodnutiach má prednosť aktuálne oficiálne znenie predpisu a posúdenie konkrétneho prípadu.