Feature scaling é uma técnica crucial em machine learning e análise de dados que envolve a normalização ou padronização das variáveis de entrada para que elas tenham uma escala comum. Isso é importante porque muitos algoritmos de machine learning usam distâncias entre dados como base para suas operações, e variáveis com escalas diferentes podem distorcer essas distâncias.

Neste artigo, vamos explorar como executar feature scaling em um ambiente Linux usando Python, uma das linguagens de programação mais populares para ciência de dados.

Pré-requisitos

Antes de começarmos, certifique-se de que você tem Python e pip instalados no seu sistema Linux. Você pode verificar isso executando os seguintes comandos no terminal:

python3 --version
pip3 --version

Se não estiverem instalados, você pode instalá-los usando os seguintes comandos:

sudo apt update
sudo apt install python3
sudo apt install python3-pip

Instalando Bibliotecas Necessárias

Para realizar o feature scaling, utilizaremos a biblioteca scikit-learn, que pode ser instalada via pip:

pip3 install scikit-learn

Exemplo Prático

Vamos criar um script Python que realiza feature scaling em um conjunto de dados fictício.

1. Crie um arquivo Python chamado feature_scaling.py:

nano feature_scaling.py

2. Adicione o seguinte código ao arquivo:

import numpy as np
from sklearn.preprocessing import StandardScaler, MinMaxScaler

# Criando um conjunto de dados fictício
data = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]])

# Usando StandardScaler para padronização (média = 0, desvio padrão = 1)
scaler = StandardScaler()
standardized_data = scaler.fit_transform(data)
print("Dados Padronizados:")
print(standardized_data)

# Usando MinMaxScaler para normalização (valores entre 0 e 1)
scaler = MinMaxScaler()
normalized_data = scaler.fit_transform(data)
print("Dados Normalizados:")
print(normalized_data)

3. Execute o script no terminal:

python3 feature_scaling.py

Explicação do Código

• Importação das bibliotecas: Importamos numpy para criar um conjunto de dados fictício e StandardScaler e MinMaxScaler da biblioteca scikit-learn para realizar o feature scaling.
• Criação do conjunto de dados: Criamos um array data usando numpy.
• Padronização dos dados: Utilizamos StandardScaler para padronizar os dados, de modo que cada característica tenha uma média de 0 e um desvio padrão de 1.
• Normalização dos dados: Utilizamos MinMaxScaler para normalizar os dados, de modo que cada característica tenha valores entre 0 e 1.
• Impressão dos resultados: Os dados padronizados e normalizados são impressos no terminal.

Conclusão

Feature scaling é uma etapa essencial no pré-processamento de dados para machine learning. Usando Python e a biblioteca scikit-learn, você pode facilmente realizar tanto a padronização quanto a normalização dos seus dados em um ambiente Linux.