Minmaxskaalaus

Minmaxskaalaus on yksi dataesikäsittelyn menetelmistä, jolla ominaisuudet muunnetaan tiettyyn vaihteluväliin, usein [0, 1]. Se on lineaarinen normalisointi, joka säilyttää alkuperäisten arvojen väliset suhteet ja etäisyydet paremmin kuin monet muut skaalausmenetelmät.

Menetelmä perustuu kullekin ominaisuudelle laskettaessa sen minimi- ja maksimiarvot koulutusdatarirakenteesta. Jokainen arvo x skaalataan kaavalla x_scaled = (x - min) / (max - min). Vaihtoehtoisesti voi skaalata arvoja toiseen vaihteluväliin, esimerkiksi [-1, 1], käyttämällä kaavaa 2*(x - min)/(max - min) - 1. Jos min ja max ovat yhtä suuria (taustalla ei ole vaihtelua), arvojen skaalauksen tulisi olla jossain määritelty tapa, usein 0.

Käyttötarkoitukset ja soveltuvuus: minmaxskaalaus on hyödyllinen silloin, kun ominaisuudet on syytä viedä samoihin, pieniin vaihteluväleihin, esimerkiksi neuroverkkojen, etäisyysperusteisten algoritmien (k-NN) ja joidenkin optimointialgoritmien kanssa. Se voi helpottaa konvergenssia ja parantaa numeerista stabiilisuutta.

Vahvuudet ja rajoitukset: skaalaus säilyttää lineaariset suhteet, mutta on herkkä poikkeaville arvoille, jotka voivat venyttää vaihteluvälin suuresti. Siksi poikkeavat arvot voivat vaikuttaa lopputulokseen. On tärkeää, että min- ja max-arvot lasketaan koulutusaineistosta ja samoja arvoja käytetään huomiseen dataan; poikkeamat uusissa tiedoissa on skaalattava samoin perustein. Käytännössä minmaxskaalausta harkitaan usein yhdessä standardisoinnin tai robust scalingin kanssa, riippuen datan ominaisuuksista.