Mise à l'échelle des données : normalisation et standardisation (feature scaling) + codes python
Vložit
- čas přidán 6. 09. 2024
- Playlist Machine Learning : • Machine Learning
Etude de l'importance de la mise à l'échelle des données.
Mise à l'échelle des données :
- Normalisation
- Standardisation
Etude de la normalisation des données.
Etude de la standardisation des données.
Dans quels cas choisir la normalisation et la standardisation.
Bonjour.
J'ai des données d'unités différentes ( mm, m, C°, oui et non,.....). Faut il que j'unifie l'unité des données avant de les normaliser/standardiser?
Si oui, comment le faire?
Personnellement, je pense à transformer toutes les unités en pourcentage, msis je ne sais pas si c'est faisable et s'il existe un algorithme qui sert à faire ça.
Merci de me répondre
merci pour vos efforts votre chaine m'éclaircie pas mal de point que j'aborde dans ma formation de data science
Waooooh merci infiniment pour vos aide
superbe video, cependant j'ai une preoccupation
Comment ça ?
@@engineering_life9550 le probleme du KNN est qu il est moins efficace quand on a une dimensionnalite elevee. Or l ACP permet de reduire la dimensionnalite. Mon soucis est de savoir comment utiliser l ACP pour pretraiter les donnees avant d utiliser le Knn
Simplement comme ceci : scikit-learn.org/stable/modules/generated/sklearn.decomposition.PCA.html
@@engineering_life9550 merci pour le lien mais je sais deja faire le pca .. ce qui est un peu flou de mon coté c'est comment reduire la dimensionnalité avec ke PCA et utiliser les composantes resultantes dans l'algorithme du Knn