<\/p>\n
Funkcja skala()<\/strong> w R mo\u017ce s\u0142u\u017cy\u0107 do skalowania warto\u015bci w wektorze, macierzy lub ramce danych.<\/span><\/p>\n Ta funkcja wykorzystuje nast\u0119puj\u0105c\u0105 podstawow\u0105 sk\u0142adni\u0119:<\/span><\/p>\n Z\u0142oto:<\/span><\/p>\n Ta funkcja wykorzystuje nast\u0119puj\u0105cy wz\u00f3r do obliczenia przeskalowanych warto\u015bci:<\/span><\/p>\n skalowane<\/sub> x = ( orygina\u0142<\/sub> x \u2013 x\u0304) \/ s<\/strong><\/span><\/p>\n Z\u0142oto:<\/span><\/p>\n Nazywa si\u0119 to r\u00f3wnie\u017c normalizacj\u0105<\/em> danych i polega po prostu na przekszta\u0142ceniu ka\u017cdej oryginalnej warto\u015bci w wynik Z.<\/a><\/span><\/p>\n Poni\u017csze przyk\u0142ady pokazuj\u0105, jak w praktyce wykorzysta\u0107 t\u0119 funkcj\u0119.<\/span><\/p>\n Za\u0142\u00f3\u017cmy, \u017ce mamy nast\u0119puj\u0105cy wektor warto\u015bci w R:<\/span><\/p>\n Poni\u017cszy kod pokazuje jak skalowa\u0107 warto\u015bci wektor\u00f3w za pomoc\u0105 funkcjiscale ()<\/strong> :<\/span><\/p>\n Oto jak obliczono ka\u017cd\u0105 skalowan\u0105 warto\u015b\u0107:<\/span><\/p>\n I tak dalej.<\/span><\/p>\n Zauwa\u017c, \u017ce je\u015bli okre\u015blimy skal\u0119=FA\u0141SZ<\/strong> , w\u00f3wczas funkcja nie b\u0119dzie dzieli\u0107 przez odchylenie standardowe podczas skalowania:<\/span><\/p>\n Oto jak obliczono ka\u017cd\u0105 skalowan\u0105 warto\u015b\u0107:<\/span><\/p>\n I tak dalej.<\/span><\/p>\n Najcz\u0119\u015bciej funkcjiscale() u\u017cywamy, gdy chcemy przeskalowa\u0107 warto\u015bci wielu kolumn w ramce danych tak, aby ka\u017cda kolumna mia\u0142a \u015bredni\u0105 0 i odchylenie standardowe 1.<\/span><\/p>\n Za\u0142\u00f3\u017cmy na przyk\u0142ad, \u017ce mamy nast\u0119puj\u0105c\u0105 ramk\u0119 danych w R:<\/span><\/p>\n Nale\u017cy pami\u0119ta\u0107, \u017ce zakres warto\u015bci zmiennej y jest znacznie wi\u0119kszy ni\u017c zakres warto\u015bci zmiennej x.<\/span><\/p>\n Mo\u017cemy u\u017cy\u0107 funkcjiscale()<\/strong> do przeskalowania warto\u015bci w dw\u00f3ch kolumnach w taki spos\u00f3b, aby przeskalowane warto\u015bci x i y mia\u0142y \u015bredni\u0105 0 i odchylenie standardowe 1:<\/span><\/p>\n Kolumny x i y maj\u0105 teraz \u015bredni\u0105 0 i odchylenie standardowe 1.<\/span><\/p>\n Poni\u017csze samouczki wyja\u015bniaj\u0105, jak wykonywa\u0107 inne typowe operacje w j\u0119zyku R:<\/span><\/p>\n Jak normalizowa\u0107 dane w R<\/a> Funkcja skala() w R mo\u017ce s\u0142u\u017cy\u0107 do skalowania warto\u015bci w wektorze, macierzy lub ramce danych. Ta funkcja wykorzystuje nast\u0119puj\u0105c\u0105 podstawow\u0105 sk\u0142adni\u0119: scale(x, center = TRUE , scale = TRUE ) Z\u0142oto: x : Nazwa obiektu do skalowania center : czy odj\u0105\u0107 \u015bredni\u0105 podczas skalowania. Warto\u015b\u0107 domy\u015blna to PRAWDA. skala : Okre\u015bla, czy podczas skalowania dzieli\u0107 […]<\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[3],"tags":[],"class_list":["post-2506","post","type-post","status-publish","format-standard","hentry","category-przewodnik"],"yoast_head":"\n scale(x, center = TRUE<\/span> , scale = TRUE<\/span> )\n<\/strong><\/pre>\n\n
\n
Przyk\u0142ad 1: Warto\u015bci skali w wektorze<\/strong><\/span><\/h3>\n
#define vector of values<\/span>\nx <- c(1, 2, 3, 4, 5, 6, 7, 8, 9)\n\n#view mean and standard deviation of values<\/span>\nmean(x)\n\n[1] 5\n\nsd(x)\n\n[1] 2.738613\n<\/strong><\/pre>\n #scale the values of x\n<\/span>x_scaled <- scale(x)\n\n#view scaled values\n<\/span>x_scaled\n\n [,1]\n [1,] -1.4605935\n [2,] -1.0954451\n [3,] -0.7302967\n [4,] -0.3651484\n [5,] 0.0000000\n [6,] 0.3651484\n [7,] 0.7302967\n [8,] 1.0954451\n [9,] 1.4605935\n<\/strong><\/pre>\n\n
#scale the values of x but don't divide by standard deviation\n<\/span>x_scaled <- scale(x, scale = FALSE<\/span> )\n\n#view scaled values\n<\/span>x_scaled\n\n [,1]\n [1,] -4\n [2,] -3\n [3,] -2\n [4,] -1\n [5,] 0\n [6,] 1\n [7,] 2\n [8,] 3\n [9,] 4\n<\/strong><\/pre>\n\n
Przyk\u0142ad 2: Skaluj warto\u015bci kolumn w ramce danych<\/strong><\/span><\/h3>\n
#create data frame\n<\/span>df <- data. frame<\/span> (x=c(1, 2, 3, 4, 5, 6, 7, 8, 9),\n y=c(10, 20, 30, 40, 50, 60, 70, 80, 90))\n\n#view data frame\n<\/span>df\n\n xy\n1 1 10\n2 2 20\n3 3 30\n4 4 40\n5 5 50\n6 6 60\n7 7 70\n8 8 80\n9 9 90\n<\/strong><\/pre>\n #scale values in each column of data frame\n<\/span>df_scaled <- scale(df)\n\n#view scaled data frame\n<\/span>df_scaled\n\n xy\n [1,] -1.4605935 -1.4605935\n [2,] -1.0954451 -1.0954451\n [3,] -0.7302967 -0.7302967\n [4,] -0.3651484 -0.3651484\n [5,] 0.0000000 0.0000000\n [6,] 0.3651484 0.3651484\n [7,] 0.7302967 0.7302967\n [8,] 1.0954451 1.0954451\n [9,] 1.4605935 1.4605935\n<\/strong><\/pre>\n Dodatkowe zasoby<\/strong><\/span><\/h3>\n
Jak standaryzowa\u0107 dane w R<\/a>
Jak u\u015brednia\u0107 kolumny w R<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"