Minmaxnormaliseerimine

Minmaxnormaliseerimine on andmete eelprotsessi meetod, mille eesmärk on skaleerida iga tunnuse väärtused kindlasse vahemikku, tavaliselt [0, 1]. See toimub eraldi iga tunnuse kohta, et erineva skaala jaotus ei domineeriks mudeli õppimises. Minmaxnormaliseerimine on eriti kasulik siis, kui tunnused erinevad märkimisväärselt mõõtühikute ja ulatuste poolest.

Formaalne kirjeldus: iga tunnuse j jaoks on normaaliseeritud väärtus x_ij' arvutatud kui x_ij' = (x_ij − min_j) / (max_j − min_j), kus min_j ja max_j tähistavad selle tunnuse minimaalset ja maksimaalset väärtust treeningandmestikus. Kui tunnus on konstantne (max_j = min_j), tulemus fikseeritakse tavaliselt väärtuseks 0. Vahemikku [0, 1] saab vajadusel teisendada ka teise vahemikku, näiteks [-1, 1], kasutades transformatsiooni 2*x_ij' − 1.

Kus ja miks kasutada: minmaxnormaliseerimine sobib peamiselt algoritmidele, mis on tundlikud tunnuste skaalale või kasutavad kaugusi, näiteks k lähima naabri meetodid (kNN), klasterdamine, toetatud vektor masinad ja paljud närvivõrgud. See aitab kiirendada koolitust ja parandada mudeli konvergensi.

Praktikaline lähenemine: min ja max tulevad treeningandmestikust ning neid väärtusi kasutatakse kõigi andmete ning mudeli valideerimise ja testimise ajal. Uutele andmetele rakendatakse sama skaala, kasutades sama min_j ja max_j väärtust. Täiendavad kaalutlused: minmaxnormaliseerimine on tundlik outliers’ite suhtes ja võib neid tugevalt mõjutada; kui andmestikus on äärmuslikke väärtusi, võib olla sobiv kasutada robustsemaid lähenemisviise või enne normeeringut eemaldada või kärpida äärmusi. Samuti võib esineda probleeme tunnuste puuduvate väärtuste puhul, mis tuleb enne normeeringut käsitleda.