机器学习中的缩放技术

缩放技术通过对被测对象生成无限值来进行测量。这些技术有助于理解对象之间的关系。让我们来看看这些技术：

比较量表

它是对对象的直接比较。类型包括：

• 等级排序

• 常数和量表

等级排序

将一个项目与其余对象进行比较。受访者包含多个对象，他们根据标准对对象进行排名/排序。等级排序量表本质上是顺序的，也就是说，此技术中会做出 (n-1) 个缩放决策。

常数和量表

在此技术中，将常数单位分配给受访者。例如，特定数量的点表示产品的的重要性。

• 如果属性不重要，受访者则将其赋值为 0。

• 如果一个属性的重要性是另一个属性的两倍，则它获得的点数也是两倍。

所有点的总和是常数，即 100，因此得名。

非比较量表

在非比较量表中，数据集的每个对象都是独立缩放的。产生的数据假定为比率缩放。类型包括：

• 连续评级量表

• 项目评级量表

连续评级量表

这是一个图形连续体，通常有两个协调的极端值。

• 易于构建。

• 简单易用。

• 受访者通过在连续线上标记来对对象进行评级。

• 极端值未预定义。

项目评级量表

这是一个图形连续体，有两个协调的极端值。

• 它易于使用。

• 它易于构建。

• 受访者根据与每个类别相关的数字或简短描述来对对象进行评级。

• 类别按比例位置排序。

• 因此，受访者选择描述相关对象的特定类别。

AmitDiwan

更新于：2022年10月14日

327 次浏览

开启你的职业生涯

完成课程获得认证

开始学习