Dataomsetningar

Dataomsetningar eru aðferðir sem breyta gögnum með það markmið að bæta greiningu, forspá eða túlkun. Algeng markmið eru að minnka óreiðu í dreifingu, jafna dreifingu fyrir líkan eða bæta samband milli breyta. Þær eru oft notaðar í forvinnslu gagna áður en líkan er keyrt og í vélanámi til að staðla eða styrkja mismunandi þætti gagnagrunnsins.

Meðal helstu tegunda omsetninga eru línulegar og ólínulegar. Línulegar omsetningar fela í sér staðla (z-stigun) og normalisering (færa gildin í bil [0,1] eða nálægt því). Ólínulegar omsetningar innihalda log- og rótar- omsetningar (t.d. loge, log10 eða square root) auk flóknari aðferða eins og Box-Cox og Yeo-Johnson. Box-Cox þarf jákvæða gildi; Yeo-Johnson hentar einnig fyrir neikvæð gildi og núll. Slíkar aðferðir hafa þann tilgang að gera dreifingu gagna eða sambönd milli breyta nær viðeigandi fyrir tiltekin líkan.

Notkun omsetninga byggist á dreifingu gagna og kröfum líkana. Til dæmis getur log-omsetning dregið úr skekkju og bætt þætti sem tengjast samspili milli breyta, á meðan staðlað gildi gerir samanburð milli breyta auðveldari. Eftir að omsetning hefur verið gerð þarf oft að framkvæma bak-omsetningu (back-transformation) til að túlka niðurstöður í upprunlegri mælieiningu.

Helstu takmörk eru að omsetningar geta breytt túlkun og samspili milli breyta, og þær geta gert útkomur erfiðari að túlka beint. Einnig þarf að huga að nálægum gildum eins og núlli, neikvæðum gildum og mögulegum frekari ferlum sem hafa áhrif á endurheimt gagna. Vel valin dataomsetning stuðlar að traustri og skýtri greiningu.