Escalonador de Features | Ferramenta online grátis | Elysia Tools

Guia de uso da ferramenta

Veja quando usar esta ferramenta, o que ela suporta e como os usuários a aplicam.

Fatos principais

Categoria: Data Processing
Tipos de entrada: textarea, select, text, checkbox
Tipo de saída: text
Cobertura de exemplos: 4
API pronta: Sim

Visão geral

O Escalonador de Features permite normalizar e padronizar variáveis numéricas tabulares utilizando múltiplos algoritmos estatísticos essenciais para modelos de aprendizado de máquina e análise exploratória. A ferramenta processa dados em CSV, suporta transformações diretas e inversas e permite isolar colunas específicas mantendo as variáveis categóricas intactas.

Quando usar

Antes de treinar algoritmos sensíveis à escala de grandezas, como KNN, SVM, regressões regularizadas ou redes neurais.
Para tratar conjuntos de dados com presença de outliers usando escalonadores robustos baseados em mediana e dispersão.
Para reverter predições ou dados previamente normalizados de volta à escala original via transformação inversa.

Como funciona

1Cole o conteúdo da sua tabela em formato CSV na área de entrada e selecione se a primeira linha contém cabeçalhos.
2Escolha o método matemático desejado (Z-score, Min-Max, Robusto, Máximo Absoluto, Quantílico, Vetor Unitário ou Yeo-Johnson).
3Defina opcionalmente quais colunas numéricas devem ser processadas e selecione o formato de saída (CSV, JSON ou Relatório de Texto).
4Execute o processamento para obter os dados transformados e os parâmetros de escalonamento calculados.

Casos de uso

Padronização de features com distribuições normais utilizando o cálculo de Z-score (média zero e desvio padrão unitário).
Normalização de métricas em um intervalo fixo entre 0 e 1 através do Escalonador Min-Max.
Aplicação da transformação de potência Yeo-Johnson para estabilizar a variância e aproximar dados assimétricos de uma distribuição normal.

Exemplos

1. Normalização Min-Max para Redes Neurais

Cientista de Dados

Contexto

Preparação de uma tabela de atributos de clientes (idade, renda e score de crédito) com escalas muito distintas antes de alimentar um classificador neural.

Problema

A coluna de renda possui valores na casa dos milhares, dominando o cálculo dos gradientes em relação à idade.

Como usar

Cole os dados CSV, selecione o 'Escalonador Min-Max', mantenha marcadas as opções de cabeçalho e clique para processar em formato CSV.

Método: minmax, Cabeçalho: Sim, Formato: CSV, Salvar Parâmetros: Sim

Resultado

Todas as colunas numéricas são mapeadas proporcionalmente para o intervalo entre 0 e 1, acompanhadas dos parâmetros de mínimo e máximo.

2. Tratamento de Dados com Outliers via Escalonamento Robusto

Analista de Risco

Contexto

Análise de transações financeiras com valores extremos pontuais que distorcem o cálculo da média e do desvio padrão.

Problema

O método Z-score tradicional comprime a maioria dos registros legítimos devido a valores anômalos muito altos.

Como usar

Perguntas frequentes

O que acontece se eu não especificar as colunas a serem escalonadas?

O sistema identifica e processa automaticamente todas as colunas numéricas, preservando as colunas de texto sem alterações.

Qual método escolher para dados com muitos outliers?

O Escalonador Robusto (baseado em mediana e MAD) é o mais recomendado, pois minimiza a distorção causada por valores discrepantes.

Como funciona a transformação inversa?

Basta marcar a opção de transformação inversa e fornecer no campo correspondente o JSON com os parâmetros gerados na transformação direta.

Quais formatos de saída estão disponíveis?

É possível exportar os resultados em CSV, JSON estruturado ou como um relatório textual detalhado com estatísticas das variáveis.

O escalonador suporta variáveis com valores negativos?

Sim, métodos como Z-score, Máximo Absoluto, Yeo-Johnson e Robusto operam normalmente com valores negativos.

Método: robust, Colunas: ValorTransacao,QtdTentativas, Formato: JSON

Escalonador de Features

Executar esta ferramenta

Exemplos compatíveis com esta ferramenta

Continue com ferramentas e temas relacionados

Veja quando usar esta ferramenta, o que ela suporta e como os usuários a aplicam.

Fatos principais

Visão geral

Quando usar

Como funciona

Casos de uso

Exemplos

1. Normalização Min-Max para Redes Neurais

2. Tratamento de Dados com Outliers via Escalonamento Robusto

Perguntas frequentes

Exemplos CSV

Exemplos Python

Processamento de Strings Windows - Exemplos C#

Exemplos Apache Spark

Calculadora de Colunas

Mesclador de Dados por Adição

Extrator de Colunas de Dados

Calculadora de Linhas