Penskalaan fitur adalah metode yang digunakan dalam pembelajaran mesin untuk pra-pemrosesan data. Metode ini digunakan untuk menormalkan rentang variabel atau fitur independen dalam suatu data, sehingga data tersebut harus mempunyai sifat-sifat distribusi normal standar dengan mean 0 dan standar deviasi 1. Dikenal juga dengan istilah reduksi data. atau normalisasi data.
Penskalaan fitur umumnya dilakukan setelah normalisasi rata-rata dan merupakan proses membagi setiap fitur (kolom dalam matriks data) dalam kumpulan data dengan konstanta tertentu. Hal ini digunakan untuk menghindari potensi masalah numerik pada model dengan meminimalkan nilai numerik setiap variabel ke kisaran yang wajar. Teknik ini dapat diterapkan untuk mempercepat laju konvergensi pada algoritma komputasi yang mahal.
Dua jenis penskalaan fitur utama yang digunakan dalam pembelajaran mesin adalah:
* Standardisasi: Teknik ini menskalakan nilai sedemikian rupa sehingga mengikuti distribusi Gaussian (juga dikenal sebagai kurva lonceng) dengan rata-rata 0 dan deviasi standar 1. Ini digunakan dalam algoritma yang memerlukan inversi data, seperti invers distance- interpolasi tertimbang dan metode pembelajaran berbasis kernel.
* Normalisasi: Teknik ini mengubah nilai kolom numerik dalam kumpulan data ke skala umum, biasanya 0 hingga 1. Kadang-kadang disebut sebagai penskalaan min-maks, karena teknik ini juga membawa semua nilai dalam kumpulan fitur ke dalam rentang tertentu ( biasanya 0 hingga 1). Teknik ini sering digunakan dalam jaringan saraf untuk pelatihan yang efisien.
Selain dua jenis penskalaan fitur utama ini, beberapa metode pra-pemrosesan standar digunakan untuk algoritme pembelajaran mesin tertentu. Misalnya, normalisasi data logaritmik untuk algoritma pohon keputusan biasanya digunakan untuk meningkatkan akurasi. Demikian pula, penskalaan dan pemusatan data untuk jaringan saraf dilakukan untuk menghindari masalah numerik yang mungkin terjadi.
Penskalaan fitur adalah langkah pra-pemrosesan yang penting untuk banyak algoritme pembelajaran mesin. Tidak melakukan langkah ini dapat menyebabkan hasil yang tidak akurat karena adanya ketidakteraturan dalam data. Hal ini juga membantu meningkatkan akurasi model dengan membuat kumpulan data lebih homogen dan mudah diproses.
