Normalizace pomocí z-skóre | AI slovník

Odborná definice

Z-score normalization je transformace numerického príznaku, při které se od každé hodnoty odčíta průměr tréninkové vzorku a výsledek se vydelí její smerodajnou odchýlkou. Transformovaný příznak má při použitých štatistikách střed přibližně nula a rozptyl přibližně jedna. V strojovém učení zjednocuje měřítko vstupů pro metody citlivé na vzdálenost, regularizaci nebo gradient. Průměr a odchýlka se musí odhadnout pouze z tréninkových dat a následně bez prepočtu použít na validační i produkční vstupy.

Srozumitelné vysvětlení

Představte si tabulku, kde vek meriate v rokoch a příjem v tisícoch eur. Bez úpravy může příjem číselne prebit vek, ačkoli pro model nemusí být důležitejší. Z-skóre každou hodnotu vyjadrí jako počet smerodajných odchýlok od průměru daného stlpca. Model potom porovnává příznaky na podobné mierke. Transformace však nezaručuje normálně rozdělení a extrémně hodnoty mohou posunout průměr i odchylku, proto se při silných outlieroch zvažuje robustnejšie škálování.

Časté otázky

Jaký je vzorec z-skóre?

Pro hodnotu x se používá z = (x - průměr) / smerodajná odchýlka. Při nulové odchýlke je příznak konštantný a dělení není definované.

Které modely z něho typicky profitují?

Zejména lineární modely s regularizací, neuronové sítě, SVM, PCA, k-means a metody založené na euklidovskej vzdálenosti.

Může se scaler dopočítat na celém datasete?

Ne před vyhodnotením. Použití validačních nebo testovacích dat při odhade průměru vytváří datový únik a skresluje měření výkonu.

Změní transformace pořadí hodnot?

Při kladnej směrodatné odchýlke zůstává pořadí zachované, protože jde o lineárnu rastúcu transformaci.

Je z-skóre vhodné pro kategorie?

Ne přímo. Kategorie se nejprve reprezentují vhodným kódováním, přičemž numerické identifikátory kategorií se nemají automaticky interpretovat jako spojitá veličina.

Související pojmy

Zdroje a redakční stopa

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.