Масштабировщик Признаков | Бесплатный онлайн-инструмент | Elysia Tools

Руководство по использованию инструмента

Узнайте, когда использовать этот инструмент, что он поддерживает и как его применяют пользователи.

Ключевые факты

Категория: Data Processing
Типы ввода: textarea, select, text, checkbox
Тип вывода: text
Покрытие примерами: 4
API доступен: Да

Обзор

Масштабировщик Признаков позволяет нормализовать и стандартизировать числовые данные CSV для предварительной обработки в машинном обучении. Инструмент поддерживает методы Z-score, Min-Max, робастное масштабирование, квантильные и степенные преобразования, а также обратную денормализацию.

Когда использовать

Подготовка числовых признаков с разными диапазонами перед обучением градиентных и дистанционных моделей машинного обучения.
Обработка наборов данных с выбросами с помощью робастных медианных алгоритмов шкалирования.
Выполнение обратного преобразования (денормализации) предсказанных моделью значений обратно в исходный масштаб.

Как это работает

1Вставьте табличные данные в формате CSV и укажите наличие строки заголовков.
2Выберите подходящий метод масштабирования и укажите целевые колонки либо оставьте поле пустым для автоопределения.
3Выберите формат вывода (CSV, JSON или текстовый отчет) и при необходимости сохраните параметры для будущей денормализации.

Сценарии использования

Нормализация признаков перед применением алгоритмов k-NN, SVM и нейронных сетей.
Преобразование признаков со скошенным распределением с помощью метода Yeo-Johnson.
Восстановление реальных масштабов целевой переменной после инференса регрессионных моделей.

Примеры

1. Стандартизация признаков клиентов для кластеризации

Data Scientist

Контекст

Имеется CSV-таблица с данными клиентов: возраст (18-70), доход (20 000 - 500 000) и количество покупок (1-40).

Проблема

Высокие абсолютные значения дохода доминируют над остальными признаками при расчете расстояний в алгоритме k-means.

Как использовать

Вставить данные в поле ввода CSV, выбрать метод «Стандартный Масштабировщик (Z-score)», оставить флаг «Первая Строка Содержит Заголовки» и выбрать формат вывода CSV.

scalingMethod: standard, hasHeader: true, outputFormat: csv, saveParams: true

Результат

Получен CSV-файл, в котором все числовые столбцы приведены к среднему 0 и единичной дисперсии вместе с JSON-параметрами нормализации.

2. Обратное масштабирование результатов прогноза цен

ML-инженер

Контекст

Модель регрессии выдала массив нормализованных прогнозов стоимости квартир в диапазоне от 0 до 1.

Проблема

Требуется восстановить прогнозные значения в исходные рублевые цены для отчета руководству.

Как использовать

FAQ

В чем разница между Min-Max и Z-score масштабированием?

Min-Max сжимает значения признаков в диапазон [0, 1], тогда как Z-score центрирует распределение вокруг нуля с единичным стандартным отклонением.

Какой метод выбрать, если в данных присутствуют сильные выбросы?

Рекомендуется выбрать Робастный Масштабировщик (Robust), так как он рассчитывает смещение по медиане и межквартильному размаху.

Как выполнить обратное преобразование данных?

Активируйте флаг «Обратное Преобразование», выберите исходный метод и вставьте сохраненные параметры масштабирования в формате JSON.

Что происходит с текстовыми и категориальными столбцами?

При автоматическом определении инструмент масштабирует только числовые столбцы, оставляя нечисловые значения без изменений.

Какие форматы экспорта поддерживаются?

Выходные данные можно получить в формате структурированного CSV, массива JSON или в виде текстового аналитического отчета.

scalingMethod: minmax, inverseTransform: true, outputFormat: csv

Масштабировщик Признаков

Запустить этот инструмент

Примеры для этого инструмента

Продолжить с похожими инструментами и темами

Узнайте, когда использовать этот инструмент, что он поддерживает и как его применяют пользователи.

Ключевые факты

Обзор

Когда использовать

Как это работает

Сценарии использования

Примеры

1. Стандартизация признаков клиентов для кластеризации

2. Обратное масштабирование результатов прогноза цен

FAQ

CSV Примеры

Примеры Python

Обработка Строк Windows - Примеры C#

Примеры Apache Spark

Калькулятор Колонок

Объединитель Данных по Вертикали

Извлекатель Столбцов Данных

Калькулятор Строк