Normalizimi është përdoret për të eliminuar të dhënat e tepërta dhe siguron që të krijohen grupime me cilësi të mirë të cilat mund të përmirësojnë efikasitetin e algoritmeve të grupimit. Kështu që bëhet një hap thelbësor përpara grupimit si distancë Euklidiane është shumë i ndjeshëm ndaj ndryshimeve në dallimet[3].
A duhet të normalizojmë të dhënat për grupimin e mjeteve K?
Ashtu si në metodën k-NN, karakteristikat e përdorura për grupim duhet të maten në njësi të krahasueshme. Në këtë rast, njësitë nuk janë problem pasi të 6 karakteristikat shprehen në një shkallë 5-pikëshe. Normalizimi ose standardizimi nuk është i nevojshëm.
Si i përgatisni të dhënat përpara grupimit?
Përgatitja e të dhënave
Për të kryer një analizë grupimi në R, në përgjithësi, të dhënat duhet të përgatiten si më poshtë: Rreshtat janë vëzhgime (individë) dhe kolonat janë variabla. Çdo vlerë që mungon në të dhëna duhet të hiqet ose vlerësohet. Të dhënat duhet të standardizohen (d.m.th., të shkallëzuara) për t'i bërë variablat të krahasueshme.
A duhet të shkallëzohen të dhënat për grupim?
Në grupim, ju llogaritni ngjashmërinë midis dy shembujve duke kombinuar të gjitha të dhënat e veçorive për ata shembuj në një vlerë numerike. Kombinimi i të dhënave të veçorive kërkon që të dhënat të kenë të njëjtën shkallë.
Pse është e rëndësishme të normalizohen veçoritë përpara grupimit?
Standardizimi është një hap i rëndësishëm i të dhënaveparapërpunimi.
Siç shpjegohet në këtë punim, k-means minimizon funksionin e gabimit duke përdorur algoritmin e Njutonit, pra një algoritëm optimizimi të bazuar në gradient. Normalizimi i të dhënave përmirëson konvergjencën e këtyre algoritmeve.
