Dalam dunia machine learning, persiapan data adalah langkah kunci dalam menciptakan model yang akurat dan andal. Salah satu aspek penting dari persiapan data adalah feature scaling, di mana kita mengubah rentang nilai dari fitur-fitur dalam dataset kita.
Dua metode umum untuk melakukan feature scaling adalah normalisasi dan standardisasi. Namun, bagaimana Anda memilih metode yang tepat?
Artikel ini akan membantu Anda memahami perbedaan antara normalisasi dan standardisasi serta kapan dan mengapa Anda harus menggunakan salah satu dari keduanya.
Normalisasi: Mengubah ke Rentang 0-1
Normalisasi, juga dikenal sebagai Min-Max scaling, adalah metode yang mentransformasikan nilai-nilai fitur sehingga mereka berada dalam rentang 0 hingga 1. Prosedur normalisasi dihitung dengan rumus berikut:
Nilai Normalisasi = X−Xmin / Xmax−Xmin
Normalisasi cocok ketika Anda memiliki fitur-fitur yang tidak mengikuti distribusi normal (gaussian) dan ketika Anda ingin mempertahankan interpretasi asli dari nilai-nilai fitur Anda. Ini sering digunakan dalam algoritma seperti Support Vector Machines (SVM) dan algoritma k-means clustering.
Standardisasi: Mengubah ke Distribusi Normal
Standardisasi, atau Z-score normalization, mengubah nilai-nilai fitur sehingga mereka memiliki rata-rata nol dan deviasi standar satu. Ini dihitung menggunakan rumus berikut:
Nilai Standardisasi = X − μ / σ
Standardisasi cocok untuk data yang mengikuti distribusi normal atau ketika algoritma Anda mengharapkan data terdistribusi normal. Ini membantu algoritma-algoritma seperti regresi logistik dan algoritma berbasis gradient convergence lebih cepat.
Kapan Harus Menggunakan Normalisasi atau Standardisasi?
Normalisasi:
Gunakan normalisasi jika Anda ingin menjaga interpretasi asli dari nilai-nilai fitur, dan jika data Anda tidak mengikuti distribusi normal. Ini berguna dalam kasus di mana Anda ingin mengukur seberapa besar perbedaan antara nilai-nilai fitur dalam rentang 0 hingga 1.
Standardisasi:
Pilih standardisasi ketika data Anda mengikuti distribusi normal atau ketika algoritma Anda mengharapkan data yang terdistribusi normal. Ini akan membantu algoritma-algoritma yang sensitif terhadap skala seperti regresi logistik.
Kesimpulan
Feature scaling adalah langkah penting dalam preprocessing data yang dapat memiliki dampak signifikan pada kinerja model machine learning Anda. Pilih metode yang sesuai dengan data Anda dan persyaratan algoritma yang akan Anda gunakan.
Terkadang, eksperimen dengan keduanya mungkin diperlukan untuk menentukan mana yang paling cocok untuk tugas Anda. Dengan pemahaman yang kuat tentang perbedaan antara normalisasi dan standardisasi, Anda dapat membuat keputusan yang lebih bijak dalam mengolah data Anda.