Hint

Scaling là hành động đưa các giá trị của dữ liệu về chung một khoảng, ví dụ như thang đo [0, 1]. Tuy nhiên, dữ liệu vẫn giữ nguyên hình chuông như ban đầu

Trong khi Bucketing là một kỹ thuật biến đổi dữ liệu sang dạng lập nhóm (categorical), không phải đưa giá trị về chung một khoảng dữ liệu

Hint

Robust Scaler là phương pháp dùng để loại bỏ các giá trị ngoại lai ra khỏi việc tính toán giá trị trung bình và độ lệch chuẩn của dữ liệu, giúp đưa dữ liệu về phân phối gần chuẩn, và bớt bị lệch hơn dữ liệu ban đầu.

Box-cox Transformation được sử dụng để biến đổi dữ liệu từ một phân phối khác sang phân phối chuẩn hoặc gần chuẩn, đặc biệt khi dữ liệu có giá tri ngoại lai, cũng như kéo dữ liệu về phân phối chuẩn.

Hint

Log Transformation thường được sử dụng trong phân tích dữ liệu để ổn định phương sai của một biến, giảm tác động của các giá trị ngoại lai và làm cho phân phối dữ liệu đối xứng và bình thường hơn, nên đặc biệt phù hợp với dữ liệu bị lệch (skewed)

Hint

Scaling là hành động đưa các giá trị của dữ liệu về chung một thang đo, với mục tiêu là loại bỏ sự khác biệt trong các đơn vị của các biến khác nhau. Điều này sẽ giúp mô hình học tốt hơn vì Gradient Descent sẽ đi tới điểm cực thiểu nhanh hơn khiến mô hình máy học học nhanh và hiệu quả hơn

Hint

Log Transformation giúp ổn định phương sai của một biến, trong trường hợp này, giá của mặt hàng từ rất thấp tăng lên rất cao, nên phương sai lớn. Khi chuyển đổi thành log scale, biểu đồ mới sẽ dễ sử dụng để nhìn thấy sự hay đổi qua các năm