عام طور پر اندراج نیٹ ورک کے لیے ڈیٹا کی تیاری میں ایک اہم قدم ہوتا ہے اس میں تربیتی استحکام اور ماڈل کارکردگی کو بہتر بنانے میں مدد ملتی ہے

عام انتخابات کیوں ؟

اگر آپ کو پتہ چلتا ہے کہ آپ کے کمپیوٹر میں کوئی خاص صلاحیت نہیں تو آپ اِسے اِستعمال کر سکتے ہیں ۔

عام طور پر نارمل تکنیک

  • [1] منی-مکس سکیلنگ:] ایک ٹھوس حد تک ری چارج کی خصوصیات، عام طور پر [0، 1]۔
  • Settardization: مرکزی ڈیٹا کے گرد صفر کے ساتھ ایک معیاری گردش کے ساتھ ساتھ ایک معیار کی انحراف بھی ہے۔
  • [Robust Skling:] استعمال کرنے والے میکانیات اور انٹر کوارٹرز کے ذریعے خارجی سطح کے اثر کو کم کرنے کے لیے استعمال کرتے ہیں۔

عام طور پر اصلاح

عام طور پر صارف میں اسکیکیکیٹ-کریس کی طرح لائبریریوں کا استعمال کیا جا سکتا ہے۔اسے تربیتی اعداد پر سکیل کرنے والے کو درست کرنے اور ٹیسٹ ڈیٹا کا اطلاق کرنے کے لیے اسی تبدیلی پر عمل کیا جاتا ہے۔

معیاریت کے لیے مثالی کوڈ:

سے لیکر Sklever.presformportial StandardScaler

Crestor = Standard Scaler(]]]۔

[train cred = اسکیل.ital transform(X train)]۔

[X test cred = اسکیلگری.transform(X test)]۔