Paretoskalering

Paretoskalering är en metod för dataförbehandling inom kemometri och multivariat analys som används för att jämna ut skillnader i varians mellan variabler när data består av mått med olika enheter. Namnet härrör från Pareto-principen och syftar till att ge varje variabel en jämnare vikt i efterföljande modeller utan att helt förlora deras ursprungliga variationer.

Utförande: För varje variabel beräknas medelvärdet och standardavvikelsen. Värdena centras genom att subtrahera medelvärdet och därefter delas de med kvadratroten av variansen (dvs standardavvikelsen). Denna kedja av transformationer skrivs vanligtvis som x'_ij = (x_ij − x̄_j) / sqrt(s_j), där x̄_j är medelvärdet och s_j är standardavvikelsen för variabel j.

Effekt och användning: Pareto-skalning minskar dominansen hos högvariabla mått men behåller ett mått av deras ursprungliga variation. Detta ger en mellanliggande viktning jämfört med ingen skalning och autoskalering, vilket ofta gör metoder som PCA eller PLS mer robusta och tolkbara i dataset som innehåller spektra, metabolomik eller andra uppsättningar med olika skalor.

Fördelar och begränsningar: Den mildare justeringen jämfört med autoskalering gör modellerna mer tolkningsbara och mindre benägna att överbetona extremt höga variabler. Metoden är dock känslig för outliers då centrering och spridning inte är robusta. Valet av skalning bör baseras på data och analysmål.

Se även: autoskalering, rangskalning, multivariat dataanalys.