2212791071

badań informacje zostały zachowane oraz aby wektor wejściowy był jak najkrótszy. W niniejszym podrozdziale zostanie przedstawiona szczegółowo metoda normalizacji, standaryzacji oraz selekcja danych. [9]

3.1.1. Normalizacja

Wybór i przygotowanie danych wejściowych jest równie ważne jak dalsze przeprowadzane procesy. W przypadku danych ilościowych najczęściej stosowana jest technika skalowania, jaką jest metoda normalizacji. [9]

Normalizacji dokonuje się, aby przedstawić wszystkie wartości zmiennych w przedziale [0,1].

Metodzie tej poddawane są dane testowe oraz treningowe, gdzie używane są takie same

wartości. [10] Normalizacja wyrażana jest wzorem:

xj(i) - min(xj)    (1)

^xj(0 — r \

max(xjj — mm (xj)

Gdzie

•    i - kolejny indeks wektora

•    j - indeks cechy (zmiennej)

•    max(Xi) - maksymalna wartość zmiennej j

•    min(Xj) - minimalna wartość zmiennej j

3.1.2. Standaryzacja

Standaryzacja, jest to operacja w wyniku, której wartość średnia danej cechy będzie równa 0, zaś odchylenie standardowe równe jest 1. Standaryzację opisuje poniższy wzór[15]:

*/( 0 =

Xj(i) — mean(Xj) std(Xj)

(2)

gdzie:

•    i - indeks wektora

•    j - indeks cechy (zmiennej)

•    mean(xj) - średnia wartość zmiennej j

•    std(xj) - odchylenie standardowe zmiennej j

16