Veri ölçekleme nedir?

Özellik ölçeklendirme dediğimiz şey veri setindeki iki farklı özelliğin (değişkenin) değerlerini en doğru şekilde analiz edebilmemize olanak sağlayan bir yöntemdir.

Standardizasyon ve normalizasyon nedir?

Makine öğrenmesinde sıkça birbirleri yerine kullanılan iki terim olan normalizasyon ve standardizasyon aslında farklı şeyleri ifade etmektedir. Normalizasyon, verileri 0 ve 1 arasında yeniden ölçekler. Bu işlem tüm parametrelerin aynı pozitif ölçeğe sahip olması gereken bazı durumlarda yararlı olabilir.

Öznitelik ölçekleme nedir?

Ölçeklendirme. Birçok makine öğrenmesi modeli, özniteliklerin aynı ölçeğe sahip olması durumunu bekler veya aynı ölçeğe sahip veriler ile daha etkili çalışır. Bu nedenle geniş bir aralıkta dağılmış veri nesneleri içeren bir veri seti üzerinde yapılan ölçeklendirme işlemleri genelde modelin performansını artırır.

Min Max scaling nedir?

Min Max scaling nedir?
MinMax Scaling, verinin 0 ile 1 arasında değerler aldığı bir durumdur. Burada dağılım, verinin dağılımı ile benzerdir. Burada 'outlier' denilen dışta kalan verilere karşı hassasiyet durumu vardır, bu yüzden bu değerlerin fazla olduğu bir durumda iyi bir performans gösteremeyebilir.

Standardizasyon nedir veri bilimi?

Standardizasyon nedir veri bilimi?
Değişkenin kendi içindeki bilgi ve varyans yapısını bozmadan, değerleri değiştirip belli bir formata sokup bu formatta işlenmesine olanak sağlamak için veriyi standart hale getirme işlemine standardizasyon adını veriyoruz. Değişken (veri) standardizasyonunda taşınan bilginin dağılımı yayılımı değişmez.

Makine öğrenmesinde öznitelik nedir?

Makine öğrenmesi ve örüntü tanıma alanlarında, gözlemlenen bir olgunun ölçülebilir bir niteliğine özellik (ya da öznitelik) denir. Anlaşılır, ayırt edici ve bağımsız özellikler seçmek etkili örüntü tanıma, sınıflandırma ve regresyon algoritmaları için kritik bir adımdır.

Dropna () nedir?

dropna() metodu NaN değerler bulunduran satırları veya sütunları silmemizi sağlıyor.( Tabi ki satırları silmenin ne kadar doğru olacağı tartışılır. )