skalointimenetelmät

Skalointimenetelmät ovat joukko tekniikoita, joita käytetään muuttujien tai piirteiden arvojen muuttamiseen numeeriselle skaalalle. Tavoitteena on yleensä varmistaa, että eri skaaloissa olevat muuttujat eivät dominoi analyysia tai algoritmeja, ja parantaa siten mallien suorituskykyä koneoppimisessa ja tilastollisessa analyysissä.

Yleisin skalointimenetelmä on standardointi, joka tunnetaan myös nimellä Z-pisteiden skaalaus. Standardoinnissa jokaisen muuttujan arvot muunnetaan siten, että niillä on keskimäärin nolla ja keskihajonta yksi. Tämä saavutetaan vähentämällä jokaisesta arvosta muuttujan keskiarvo ja jakamalla tulos muuttujan keskihajonnalla. Standardointi on erityisen hyödyllistä, kun data noudattaa normaalijakaumaa.

Toinen yleinen menetelmä on normalisointi, joka tunnetaan myös nimellä min-max-skaalaus. Normalisoinnissa muuttujien arvot skaalataan tietylle välille, yleensä [0, 1] tai [-1, 1]. Tämä tehdään vähentämällä jokaisesta arvosta muuttujan minimiarvo ja jakamalla tulos muuttujan maksimi- ja minimiarvon erotuksella. Normalisointi on hyödyllistä, kun halutaan säilyttää datapisteiden väliset suhteelliset etäisyydet tai kun käytössä on algoritmeja, jotka ovat herkkiä suurille arvoille, kuten neuroverkot.

Muita skalointimenetelmiä ovat esimerkiksi robusti skaalaus, joka käyttää keskilukua ja kvartiiliväliä keskiarvon ja keskihajonnan sijasta, mikä tekee siitä vähemmän herkän poikkeaville arvoille. Myös yksikköskalauksella, jossa kunkin muuttujan arvot jaetaan sen L1- tai L2-normilla, on sovelluksensa. Menetelmän valinta riippuu datan ominaisuuksista ja käytettävästä analyysimenetelmästä.