マニュアルアカデミーカスタムカードギャラリー公開レシピヘルプログイン新規登録
マニュアルアカデミーカスタムカードギャラリー公開レシピヘルプログイン新規登録
トップ/カスタムカードギャラリー/スケーリング

スケーリング

 

概要

指定したカラムに任意の数値を掛けることでデータをスケーリングします。

活用シーン

前処理である正規化カードで標準化を実施すると、評価時や予測時に目的変数のスケールを元のデータに合わせるために逆正規化処理が適用されます。元のデータのスケールが極めて大きい場合（10桁など）、この逆正規化処理時にオーバーフローが発生し、予測値などが実際の数値と合わない事象が発生します。対処方法として、元のデータをあらかじめ小さな値にスケーリングしておくことが考えられます。

分析上の注意点

  • どれくらいのスケーリングをすればオーバーフローが発生しないのかはデータに依存します。
  • 回帰タスクでは目的変数のスケーリングのみでよいことがありますが、異常検知タスクでは全変数が逆正規化されるため、全変数をスケーリングで調整する必要がある場合があります。

コード

 

入出力の例

入力

時刻温度湿度
2011/01/01 00:000.240.81
2011/01/01 01:000.220.8
………
💡
このデータはNode-AIの公開データ「シェアサイクル利用の総台数予測（クイックスタート用）」でご利用いただけます。

出力

時刻温度湿度
2011/01/01 00:000.0240.081
2011/01/01 01:000.0220.08
………