Ne zaman kullanılır?

Ölçeklendirme, KNN ve SVM gibi mesafe tabanlı algoritmalarda önemlidir.

Ne zaman hangisi?

Genel kurallar:

StandardScaler: varsayılan seçim; doğrusal modeller, SVM, PCA, KNN.
MinMaxScaler: sınırlı aralık gerekiyorsa (sinir ağı girdileri, pikseller) ve aykırı değer yoksa.
RobustScaler: belirgin aykırı değerler varsa.
Hiçbiri: ağaç tabanlı modellerde gerekmez.

Emin değilsen birkaçını çapraz doğrulamayla karşılaştır; seçim de bir hiperparametredir.

Sızıntı kuralı

Ölçekleyici yalnızca eğitim verisiyle fit edilir. Tüm veride fit etmek test istatistiklerini eğitime sızdırır ve skoru yapay olarak şişirir:

# YANLIŞ
sc = StandardScaler().fit(X)              # test de dahil
# DOĞRU
sc = StandardScaler().fit(X_train)
X_train_s = sc.transform(X_train)
X_test_s = sc.transform(X_test)

Test verisinde min/max eğitimdekini aşabilir; MinMax sonucunda 0-1 dışı değerler görmek normaldir.

Uygulama Aralık dışı test değeri

MinMaxScaler'ı yalnızca X_train ile fit et. X_test'i dönüştürüp yazdır; eğitim aralığının dışındaki değerin 1'den büyük çıktığını gör.

Örnek çözümü göster

import numpy as np
from sklearn.preprocessing import MinMaxScaler

X_train = np.array([[10.0], [20.0], [30.0]])
X_test = np.array([[25.0], [40.0]])

mm = MinMaxScaler().fit(X_train)
print(mm.transform(X_test))

Kendini test et

Gelir verisinde birkaç milyarder varsa hangi ölçekleyici uygundur?
- RobustScaler
- MinMaxScaler
- Ölçekleme gerekmez
- StandardScaler her zaman
Cevabı göster

RobustScaler — Medyan ve IQR aykırı değerlerden etkilenmez.
Ölçekleyiciyi yalnızca eğitim verisiyle öğren.
```
sc = StandardScaler().fit(____)
```
Cevabı göster
```
sc = StandardScaler().fit(X_train)
```
Durumları seçimlerle eşleştir.

Varsayılan

StandardScaler
Pikseller 0-255

MinMaxScaler
Aykırı değerler

RobustScaler
Random forest

Ölçek gerekmez

Sıradaki ders: Pipeline

Deneyiminizi Geliştiriyoruz

Çerez Tercihleri

Kesinlikle Gerekli Çerezler

Analitik Çerezler