Kumarans Data Academy

🔹 Feature Scaling (Min-Max Scaling, Standardization) நம்முடைய Numerical Dataகளை ஒரே அளவுக்குள் கொண்டுவர Linear Transformation (நேரியல் மாற்றம்) பயன்படுத்தப்படுகிறது. இதனால் அனைத்து அம்சங்களும் ஒரே Rangeகுள் வரும். உதாரணம்: ₹1,000 – ₹1,00,000 வரையிலான Sales Figures-ஐ 0 முதல் 1 அளவுக்கு கொண்டுவர Min-Max Scaling Formula பயன்படுத்தப்படுகிறது. இதனால் Machine Learning Models அனைத்து அளவுகளையும் சமமாக கையாள முடியும். மாணவர்கள் பெற்ற Marks (0 – 100) அனைத்தையும் 0 to 1 அளவுக்கு கொண்டுவர Min-Max Scaling Formula பயன்படுத்தி Machine Learning Models அனைத்து பாடத்தையும் சமமாக கையாள உதவும். 🔹   Normalization வித்தியாசமான தரவுகள் (Different Data Types) மற்றும் வித்தியாசமான அளவுகளில் இருக்கும் மதிப்புகளை (Values) ஒரே அளவுக்குள் கொண்டுவர Normalization உதவுகிறது. ஆனால் அங்குள்ள Valuesகளின் வித்தியாசம் பாதிக்கப்படாது. Just இது கணினி கணிப்புக்கு ஏற்ற மாதிரியாக அனைத்து Valuesகளையும் ஒரே Level படுத்துகிறது. உதாரணம்: வயது, வருமானம், செலவுகள் ஆகியவற்றை Min-Max Scaling அல்லது Standardization F...

  Feature Scaling (Min-Max Scaling, Standardization) Linear Transformation is used to scale numerical data so that all features fall within the same range. Example:  Bringing sales figures from ₹1,000 – ₹1,00,000 into a range of 0 to 1 using Min-Max Scaling Formula to help maching learning models treat all dimensions equally. This Ensures Machine Learning Models can Handle All Dimensions Equally. Bringing student marks from 0 – 100 into a range of 0 to 1 using the Min-Max Scaling formula to help machine learning models treat all Subjects equally. Normalization It is used to change values that are on different scales into the same scale without changing the meaning or difference between them. Making Different Data types understandable and in Common Format. However this does not affect the Values, but only the data type changes to Common Format. So Computer can process the Information Equally. Example: Normalizing Age, Income, and Expenses for fair comparison using Min-Max Sc...

 Linear Transformation என்பது ஒரு அளவை அல்லது அளவுகளின் குழுவை கணித விதிகளை பயன்படுத்தி மாற்றுவது. இதில் Relationship நேராக (linear) இருக்கும்.  இதன் அர்த்தம் என்ன? நீங்கள் ஒரு Input value எடுத்து அதற்கு ஒரு formula apply பண்ணி Output value உருவாக்குறீங்க. எளிமையான வார்த்தைகளில்: Scale பண்ணுறீங்க (அதாவது அளவை அதிகப்படுத்துறீங்க இல்ல குறைக்குறீங்க) இல்ல Shift பண்ணுறீங்க (அதாவது மேல, கீழ், இடம், வலது என நகர்த்துறீங்க) உதாரணங்கள்: ஒரு சம்பளம் ₹10,000 இருக்குது. அதுக்கு 10% அதிகரிப்பு கொடுக்குறீங்க → புதிய சம்பளம் = ₹11,000. இது Linear Transformation ஏனென்றால் நீங்க அளவை மட்டும் scale பண்ணுறீங்க. ஒரு மாணவர் மதிப்பெண்களுக்கு 5 bonus marks add பண்ணுறீங்க: Original Mark = 70 New Mark = 75 இது கூட Linear Transformation தான். ஒரு படத்தை Zoom பண்ணும் போது, structure அழியாமல் பெரியதா சின்னதா ஆகுது. இது Scaling ஆகும். Scaling என்பது Linear Transformation-ல் ஒன்றுதான். சுருக்கமாக சொன்னால்: Linear Transformation = Scale பண்ணுறது அல்லது Shift பண்ணுறது. ஆனால் உ...

 A Linear Transformation is a way to change a value or set of values using mathematical rules while keeping the relationship straight (linear), not curved or complex. It means taking some input values and applying a formula to get output values. In simple words: You scale (increase or decrease) or You shift (move up, down, left, right) the values. Examples: If salary is ₹10,000, and you apply a 10 percent increase → New Salary  = ₹11,000 This is linear transformation because you just scaled the value. If you add 5 bonus marks to student marks: Original Mark = 70 New Mark = 75 This is also linear transformation. Zooming an Image  without breaking the image structure   is scaling , which is one type of linear transformation .