機器學習中的縮放技術

縮放技術透過對被測物件生成無限值來進行測量。這些技術有助於理解物件之間的關係。讓我們來看看這些技術：

比較量表

它是對物件的直接比較。型別包括：

  • 等級排序

  • 常數和量表

等級排序

將一個專案與其餘物件進行比較。受訪者包含多個物件，他們根據標準對物件進行排名/排序。等級排序量表本質上是順序的，也就是說，此技術中會做出 (n-1) 個縮放決策。

常數和量表

在此技術中，將常數單位分配給受訪者。例如，特定數量的點表示產品的的重要性。

  • 如果屬性不重要，受訪者則將其賦值為 0。

  • 如果一個屬性的重要性是另一個屬性的兩倍，則它獲得的點數也是兩倍。

所有點的總和是常數，即 100，因此得名。

非比較量表

在非比較量表中，資料集的每個物件都是獨立縮放的。產生的資料假定為比率縮放。型別包括：

  • 連續評級量表

  • 專案評級量表

連續評級量表

這是一個圖形連續體，通常有兩個協調的極端值。

  • 易於構建。

  • 簡單易用。

  • 受訪者透過在連續線上標記來對物件進行評級。

  • 極端值未預定義。

專案評級量表

這是一個圖形連續體，有兩個協調的極端值。

  • 它易於使用。

  • 它易於構建。

  • 受訪者根據與每個類別相關的數字或簡短描述來對物件進行評級。

  • 類別按比例位置排序。

  • 因此，受訪者選擇描述相關物件的特定類別。

更新於：2022年10月14日

327 次瀏覽

開啟你的職業生涯

完成課程獲得認證

開始學習
廣告