การทำให้คะแนน z เป็นมาตรฐาน: คำจำกัดความและตัวอย่าง

การทำให้เป็นมาตรฐานของคะแนน Z หมายถึงกระบวนการทำให้แต่ละค่าในชุดข้อมูลเป็นมาตรฐาน โดยค่าเฉลี่ยของค่าทั้งหมดคือ 0 และค่าเบี่ยงเบนมาตรฐานคือ 1

เราใช้สูตรต่อไปนี้เพื่อดำเนินการปรับมาตรฐานคะแนน z ในแต่ละค่าในชุดข้อมูล:

ค่าใหม่ = (x – μ) / σ

ทอง:

• x : ค่าดั้งเดิม
• μ : ค่าเฉลี่ยของข้อมูล
• σ : ส่วนเบี่ยงเบนมาตรฐานของข้อมูล

ตัวอย่างต่อไปนี้แสดงวิธีการดำเนินการปรับมาตรฐานคะแนน z บนชุดข้อมูลในทางปฏิบัติ

ตัวอย่าง: การดำเนินการปรับมาตรฐานคะแนน Z

สมมติว่าเรามีชุดข้อมูลต่อไปนี้:

จากการใช้เครื่องคิดเลข เราจะเห็นว่าค่าเฉลี่ยของชุดข้อมูลคือ 21.2 และค่าเบี่ยงเบนมาตรฐานคือ 29.8

หากต้องการดำเนินการปรับมาตรฐานคะแนน z เป็นค่าแรกในชุดข้อมูล เราสามารถใช้สูตรต่อไปนี้:

• ค่าใหม่ = (x – μ) / σ
• ค่าใหม่ = (3 – 21.2) / 29.8
• ค่าใหม่ = -0.61

เราสามารถใช้สูตรนี้เพื่อดำเนินการปรับมาตรฐานคะแนน z ให้กับแต่ละค่าในชุดข้อมูล:

ค่าเฉลี่ยของค่าที่ทำให้เป็นมาตรฐานคือ 0 และค่าเบี่ยงเบนมาตรฐานของค่าที่ทำให้เป็นมาตรฐานคือ 1 .

ค่าที่ทำให้เป็นมาตรฐานแสดงถึงจำนวนส่วนเบี่ยงเบนมาตรฐานระหว่างค่าเดิมและค่าเฉลี่ย

ตัวอย่างเช่น:

• ค่าแรกในชุดข้อมูลคือ 0.61 ส่วนเบี่ยงเบนมาตรฐานที่ต่ำกว่าค่าเฉลี่ย
• ค่าที่สองในชุดข้อมูลคือ 0.54 ส่วนเบี่ยงเบนมาตรฐานที่ต่ำกว่าค่าเฉลี่ย
• …
• ค่าสุดท้ายในชุดข้อมูลคือ 3.79 ส่วนเบี่ยงเบนมาตรฐานเหนือค่าเฉลี่ย

ข้อดีของการดำเนินการทำให้เป็นมาตรฐานประเภทนี้คือ ค่าผิดปกติที่ชัดเจนในชุดข้อมูล (134) ได้รับการแปลงในลักษณะที่ไม่มีค่าผิดปกติขนาดใหญ่อีกต่อไป

หากเราใช้ชุดข้อมูลนี้เพื่อให้เหมาะกับ โมเดลการเรียนรู้ของเครื่อง บางประเภท ค่าผิดปกติจะไม่มีอิทธิพลมากเท่าที่จะส่งผลต่อโมเดลได้อีกต่อไป

แหล่งข้อมูลเพิ่มเติม

บทช่วยสอนต่อไปนี้ให้ข้อมูลเพิ่มเติมเกี่ยวกับเทคนิคการทำให้เป็นมาตรฐานที่แตกต่างกัน:

การทำให้เป็นมาตรฐานหรือการทำให้เป็นมาตรฐาน: อะไรคือความแตกต่าง?
วิธีทำให้ข้อมูลเป็นมาตรฐานระหว่าง 0 ถึง 1
วิธีทำให้ข้อมูลเป็นมาตรฐานระหว่าง 0 ถึง 100