Jakie algorytmy wymagają skalowania funkcji oprócz SVM?

17

Pracuję z wieloma algorytmami: RandomForest, DecisionTrees, NaiveBayes, SVM (jądro = liniowy i rbf), KNN, LDA i XGBoost. Wszystkie były dość szybkie, z wyjątkiem SVM. Właśnie wtedy dowiedziałem się, że potrzebuje skalowania funkcji, aby działać szybciej. Potem zacząłem się zastanawiać, czy powinienem zrobić to samo dla innych algorytmów.

— Aizzaac
źródło

Powiązane: Jak i dlaczego działa normalizacja i skalowanie funkcji?

— Franck Dernoncourt

Ponadto: Zmienne są często dostosowywane (np. Standaryzowane) przed wykonaniem modelu - kiedy jest to dobry pomysł, a kiedy zły?

— Franck Dernoncourt

21

Zasadniczo algorytmy wykorzystujące odległości lub podobieństwa (np. W postaci iloczynu skalarnego) między próbkami danych, takimi jak k-NN i SVM, są wrażliwe na transformacje cech.

Klasyfikatory oparte na modelu graficznym, takie jak Fisher LDA lub Naive Bayes, a także drzewa decyzyjne i metody zestawów opartych na drzewach (RF, XGB) są niezmienne dla funkcji skalowania, ale nadal dobrym pomysłem może być przeskalowanie / standaryzacja danych .

— krzyczeć
źródło

3

+1. Zauważ, że XGBoost faktycznie implementuje również drugi algorytm, oparty na liniowym wzmocnieniu. Skalowanie zrobi różnicę.

— usεr11852 mówi Reinstate Monic

2

Czy mógłbyś rozwinąć więcej informacji na temat zmiany skali / standaryzacji danych dla RF i XGB? Nie wiem, jak to może wpłynąć na jakość modelu.

— Tomek Tarczyński

17

Oto lista, którą znalazłem na stronie http://www.dataschool.io/comparing-supervised-learning-algorithms/, wskazując, który klasyfikator wymaga skalowania funkcji :

Pełny stół:

W grupowaniu k-oznacza musisz również znormalizować swoje dane wejściowe .

Oprócz rozważenia, czy klasyfikator wykorzystuje odległości lub podobieństwa, jak wspomniano Yell Bond, Stochastic Gradient Descent jest również wrażliwy na skalowanie cech (ponieważ szybkość uczenia się w równaniu aktualizacji Stochastic Gradient Descent jest taka sama dla każdego parametru {1}):

Bibliografia:

{1} Elkan, Charles. „Modele logarytmiczno-liniowe i warunkowe pola losowe”. Uwagi do samouczka na CIKM 8 (2008). https://scholar.google.com/scholar?cluster=5802800304608191219&hl=pl&as_sdt=0,22 ; https://pdfs.semanticscholar.org/b971/0868004ec688c4ca87aa1fec7ffb7a2d01d8.pdf

— Franck Dernoncourt
źródło

Brakuje w tej odpowiedzi wyjaśnienia, dlaczego !! Zobacz na to moją odpowiedź.

— kjetil b halvorsen

2

@kjetilbhalvorsen dobrze wyjaśniłem dla k-średnich i SGD, ale istnieje wiele innych algorytmów i modeli. Limit wymiany wynosi 30

— 000 znaków

Nieco powiązane: stats.stackexchange.com/questions/231285/…

— kjetil b halvorsen

@FranckDernoncourt Czy mogę zadać ci pytanie oparte na tym? Mam zestaw danych zarówno danych jakościowych, jak i ciągłych, dla których buduję SVM. Dane ciągłe są mocno wypaczone (długi ogon). Do transformacji na ciągłym powinienem zrobić log transformation / Box-Coxi wtedy też normalise the resultant data to get limits between 0 and 1? Więc będę normalizować wartości dziennika. Następnie obliczyć SVM na danych ciągłych i kategorycznych (0-1) razem? Pozdrawiam za wszelką możliwą pomoc.

— Chuck,

7

Y_{i} = β_{0} + β_{1} x_{i} + β_{2} z_{i} + ϵ_{i}

$Y_i = \beta_0 + \beta_1 x_i + \beta_2 z_i + \epsilon_i$

i = 1, \dots, n

$i=1, \dots, n$

x_{i}^{*} = (x_{i} - \bar{x}) / sd (x) z_{i}^{*} = (z_{i} - \bar{z}) / sd (z)

$x_i^* = (x_i - \bar{x})/\text{sd}(x) \\ z_i^* = (z_i - \bar{z})/\text{sd}(z)$

Y_{i} = β_{0}^{*} + β_{1}^{*} x_{i}^{*} + β_{2}^{*} z_{i}^{*} + ϵ_{i}

$Y_i = \beta_0^* + \beta_1^* x_i^* + \beta_2^* z_i^* + \epsilon_i$

β_{1, 2}^{*}

$\beta_{1,2}^*$

{\hat{β}}_{1, 2}

$\hat{\beta}_{1,2}$

β_{0} = β_{0}^{*} - \frac{β_{1}^{*} \bar{x}}{sd(x)} - \frac{β_{2}^{*} \bar{z}}{sd(z)}, β_{1} = \frac{β_{1}^{*}}{sd(x)}, β_{2} = \frac{β_{2}^{*}}{sd(z)}

$\beta_0=\beta_0^* - \frac{\beta_1^* \bar{x}}{\text{sd(x)}} -\frac{\beta_2^*\bar{z}}{\text{sd(z)}},\quad \beta_1 =\frac{\beta_1^*}{\text{sd(x)}},\quad \beta_2=\frac{\beta_2^*}{\text{sd(z)}}$

A ta dyskusja na temat regresji liniowej mówi ci, na co powinieneś zwrócić uwagę w innych przypadkach: Czy istnieje niezmienność, czy nie? Zasadniczo metody zależne od miar odległości między predyktorami nie wykazują niezmienności , dlatego ważna jest standaryzacja. Kolejnym przykładem będzie grupowanie.

— kjetil b halvorsen
źródło

1

Czy potrafisz wyraźnie pokazać, w jaki sposób jeden oblicza jeden zestaw bet od drugiego w tym konkretnym przykładzie zastosowanego skalowania?

— Mathews24,

@kjetil Czy mogę zadać ci pytanie oparte na tym? Mam zestaw danych zarówno danych jakościowych, jak i ciągłych, dla których buduję SVM. Dane ciągłe są mocno wypaczone (długi ogon). Czy do ciągłej transformacji powinienem wykonać transformację logów / Box-Cox, a następnie znormalizować otrzymane dane, aby uzyskać limity między 0 a 1? Więc będę normalizować wartości dziennika. Następnie obliczyć SVM na danych ciągłych i kategorycznych (0-1) razem? Pozdrawiam za wszelką możliwą pomoc

— Chuck,

1

Czy możesz dodać to jako nowe pytanie? z odniesieniem tutaj!

— kjetil b halvorsen