La normalizzazione dei dati è il processo di riduzione delle feature in modo che i valori rientrino in un intervallo specifico, di solito tra 0 e 1 in quanto la maggior parte degli algoritmi di machine learning e di ottimizzazione si comporta molto meglio se le caratteristiche adottano sulla stessa scala.
Questa tecnica è particolarmente utile quando si desidera mantenere l’interpretazione delle feature originali in termini di percentuale o proporzione rispetto al massimo valore possibile.
Esempio: Supponiamo di avere un dataset di punteggi in un test, con valori che vanno da 0 a 100. Per normalizzare questi dati tra 0 e 1, possiamo utilizzare la formula:
Dove è il punteggio originale, è il punteggio normalizzato, è il valore minimo dei punteggi nel dataset e è il valore massimo dei punteggi.
Esempio in pandas
import pandas as pd
# Creiamo un DataFrame di esempio
data = {
'Punteggio': [75, 90, 60, 80, 95]
}
df = pd.DataFrame(data)
# Normalizziamo la feature 'Punteggio' tra 0 e 1
df['Punteggio_norm'] = (df['Punteggio'] - df['Punteggio'].min()) / (df['Punteggio'].max() - df['Punteggio'].min())
print(df)