766194_it-IT

liliconcom

pre-elaborazione dei dati

Ciao.
La mia domanda è: quando utilizziamo modelli non parametrici in software come reti neurali, SVM, Naive Bayes o... il software ridimensiona i nostri dati di default? Oppure prima di utilizzare questi modelli dovremmo ridimensionare i nostri dati numerici?

Modellazione predittiva e apprendimento automaticoRe: pre-elaborazione dei dati

Molte grazie

Re: pre-elaborazione dei dati

Ok, ma nella mia (molto lunga) risposta ho menzionato i metodi basati sugli alberi e Naive Bayes:

I modelli basati sugli alberi e gli algoritmi basati sulla probabilità come Naive Bayes potrebbero non richiedere ridimensionamento.

I metodi basati sugli alberi non richiedono ridimensionamento poiché non sono algoritmi basati sulla distanza; le suddivisioni vengono effettuate in base all'ordine dei dati e delle informazioni generate dalla suddivisione a una certa soglia, ma non vi sono influenze dei singoli valori, intervalli o distribuzioni sui risultati della suddivisione.
Naive Bayes è un algoritmo basato sulla probabilità: calcola le probabilità dalla distribuzione dei dati ed è invariante rispetto alla scala dei dati.

Ulteriori risorse:

https://stats.stackexchange.com/questions/244507/what-algorithms-need-feature-scaling-beside-from-svm

https://www.dataschool.io/comparing-supervised-learning-algorithms/

https://forecastegy.com/posts/do-decision-trees-need-feature-scaling-or-normalization/

Questa risposta complementare risponde alla tua domanda?

Re: pre-elaborazione dei dati

Sì, ho letto
ma hai menzionato (( SVM, KNN, reti neurali, regressione (lineare e logistica))
in realtà vorrei sapere di altri modelli
albero potenziato
foresta di bootstrap
albero decisionale
Bayes ingenuo

Grazie

Re: pre-elaborazione dei datiCiao @maryam_nourmand ,

Hai letto la mia risposta a una tua domanda simile: https://community.jmp.com/t5/Discussions/data-preprocessing/mp/761840/highlight/true#M93976 ?