Arquivo de Pré-processamento

O Min-Max Scaling é uma técnica de pré-processamento de dados que transforma features (características) escalando cada feature para um range específico, geralmente [0, 1]. É uma das técnicas de normalização mais comuns em aprendizado de máquina.

O que é Min-Max Scaling?

Min-Max Scaling é um método de normalização que transforma os dados redimensionando-os para um intervalo fixo, normalmente [0, 1]. A transformação é dada pela fórmula:

$X_{\text{scaled}} = \frac{X – X_{\text{min}}}{X_{\text{max}} – X_{\text{min}}}$

Onde:

$X$ é o valor original
$X_{\text{min}}$ é o valor mínimo da feature
$X_{\text{max}}$ é o valor máximo da feature
$X_{\text{scaled}}$ é o valor normalizado

Implementação manual em Python:

import numpy as np

def min_max_scaling_manual(data):
    """Implementação manual do Min-Max Scaling"""
    data = np.array(data)
    min_val = np.min(data)
    max_val = np.max(data)
    scaled_data = (data - min_val) / (max_val - min_val)
    return scaled_data, min_val, max_val

# Dados de exemplo
dados_originais = [10, 20, 30, 40, 50]
dados_normalizados, min_val, max_val = min_max_scaling_manual(dados_originais)

print("Dados originais:", dados_originais)
print("Valor mínimo:", min_val)
print("Valor máximo:", max_val)
print("Dados normalizados:", dados_normalizados)

import numpy as np

def min_max_scaling_manual(data):

"""Implementação manual do Min-Max Scaling"""

data = np.array(data)

min_val = np.min(data)

max_val = np.max(data)

scaled_data = (data - min_val) / (max_val - min_val)

return scaled_data, min_val, max_val

# Dados de exemplo

dados_originais = [10, 20, 30, 40, 50]

dados_normalizados, min_val, max_val = min_max_scaling_manual(dados_originais)

print("Dados originais:", dados_originais)

print("Valor mínimo:", min_val)

print("Valor máximo:", max_val)

print("Dados normalizados:", dados_normalizados)

Em R, podemos implementar Min-Max Scaling similarmente:

# Implementação manual do Min-Max Scaling em R
min_max_scaling_manual <- function(data) {
  min_val <- min(data)
  max_val <- max(data)
  scaled_data <- (data - min_val) / (max_val - min_val)
  return(list(scaled_data = scaled_data, min_val = min_val, max_val = max_val))
}

# Dados de exemplo
dados_originais <- c(10, 20, 30, 40, 50)
resultado <- min_max_scaling_manual(dados_originais)

print(paste("Dados originais:", paste(dados_originais, collapse = ", ")))
print(paste("Valor mínimo:", resultado$min_val))
print(paste("Valor máximo:", resultado$max_val))
print(paste("Dados normalizados:", paste(round(resultado$scaled_data, 3), collapse = ", ")))

# Implementação manual do Min-Max Scaling em R

min_max_scaling_manual <- function(data) {

min_val <- min(data)

max_val <- max(data)

scaled_data <- (data - min_val) / (max_val - min_val)

return(list(scaled_data = scaled_data, min_val = min_val, max_val = max_val))

}

# Dados de exemplo

dados_originais <- c(10, 20, 30, 40, 50)

resultado <- min_max_scaling_manual(dados_originais)

print(paste("Dados originais:", paste(dados_originais, collapse = ", ")))

print(paste("Valor mínimo:", resultado$min_val))

print(paste("Valor máximo:", resultado$max_val))

print(paste("Dados normalizados:", paste(round(resultado$scaled_data, 3), collapse = ", ")))

Implementação com Scikit-Learn

Usando MinMaxScaler

A biblioteca Scikit-Learn fornece a classe MinMaxScaler que implementa eficientemente a normalização Min-Max:

from sklearn.preprocessing import MinMaxScaler
import numpy as np

# Dados de exemplo
dados = np.array([[10], [20], [30], [40], [50]])

# Criando e ajustando o scaler
scaler = MinMaxScaler()
scaler.fit(dados)

# Transformando os dados
dados_normalizados = scaler.transform(dados)

print("Dados originais:")
print(dados)
print("\nDados normalizados:")
print(dados_normalizados)
print("\nValor mínimo aprendido:", scaler.data_min_)
print("Valor máximo aprendido:", scaler.data_max_)

# Transformando novos dados
novos_dados = np.array([[15], [25], [35]])
novos_dados_normalizados = scaler.transform(novos_dados)
print("\nNovos dados normalizados:")
print(novos_dados_normalizados)

from sklearn.preprocessing import MinMaxScaler

import numpy as np

# Dados de exemplo

dados = np.array([[10], [20], [30], [40], [50]])

# Criando e ajustando o scaler

scaler = MinMaxScaler()

scaler.fit(dados)

# Transformando os dados

dados_normalizados = scaler.transform(dados)

print("Dados originais:")

print(dados)

print("\nDados normalizados:")

print(dados_normalizados)

print("\nValor mínimo aprendido:", scaler.data_min_)

print("Valor máximo aprendido:", scaler.data_max_)

# Transformando novos dados

novos_dados = np.array([[15], [25], [35]])

novos_dados_normalizados = scaler.transform(novos_dados)

print("\nNovos dados normalizados:")

print(novos_dados_normalizados)

O MinMaxScaler também permite definir um range personalizado:

# MinMaxScaler com range personalizado (-1, 1)
scaler_custom = MinMaxScaler(feature_range=(-1, 1))
dados_custom = scaler_custom.fit_transform(dados)
print("Dados com range personalizado (-1, 1):")
print(dados_custom)

# MinMaxScaler com range personalizado (-1, 1)

scaler_custom = MinMaxScaler(feature_range=(-1, 1))

dados_custom = scaler_custom.fit_transform(dados)

print("Dados com range personalizado (-1, 1):")

print(dados_custom)

Aplicação em DataFrame Pandas

O MinMaxScaler pode ser aplicado diretamente em DataFrames do Pandas:

import pandas as pd
from sklearn.preprocessing import MinMaxScaler

# Criando DataFrame de exemplo
df = pd.DataFrame({
    'idade': [25, 30, 35, 40, 45, 50],
    'salario': [5000, 6000, 7000, 8000, 9000, 10000],
    'horas_trabalho': [40, 42, 38, 45, 40, 35]
})

print("DataFrame original:")
print(df)

# Aplicando MinMaxScaler
scaler = MinMaxScaler()
df_normalizado = pd.DataFrame(
    scaler.fit_transform(df),
    columns=df.columns,
    index=df.index
)

print("\nDataFrame normalizado:")
print(df_normalizado)

# Estatísticas do scaler
print("\nEstatísticas do scaler:")
for i, col in enumerate(df.columns):
    print(f"{col}: min={scaler.data_min_[i]:.2f}, max={scaler.data_max_[i]:.2f}")

import pandas as pd

from sklearn.preprocessing import MinMaxScaler

# Criando DataFrame de exemplo

df = pd.DataFrame({

'idade': [25, 30, 35, 40, 45, 50],

'salario': [5000, 6000, 7000, 8000, 9000, 10000],

'horas_trabalho': [40, 42, 38, 45, 40, 35]

})

print("DataFrame original:")

print(df)

# Aplicando MinMaxScaler

scaler = MinMaxScaler()

df_normalizado = pd.DataFrame(

scaler.fit_transform(df),

columns=df.columns,

index=df.index

)

print("\nDataFrame normalizado:")

print(df_normalizado)

# Estatísticas do scaler

print("\nEstatísticas do scaler:")

for i, col in enumerate(df.columns):

print(f"{col}: min={scaler.data_min_[i]:.2f}, max={scaler.data_max_[i]:.2f}")

Em R, podemos usar a função scale() com parâmetros apropriados ou o pacote caret:

# Min-Max Scaling em R usando scale()
min_max_scale <- function(x) {
  (x - min(x)) / (max(x) - min(x))
}

# Criando data frame de exemplo
df <- data.frame(
  idade = c(25, 30, 35, 40, 45, 50),
  salario = c(5000, 6000, 7000, 8000, 9000, 10000),
  horas_trabalho = c(40, 42, 38, 45, 40, 35)
)

print("Data frame original:")
print(df)

# Aplicando Min-Max Scaling
df_normalizado <- as.data.frame(lapply(df, min_max_scale))
print("Data frame normalizado:")
print(df_normalizado)

# Min-Max Scaling em R usando scale()

min_max_scale <- function(x) {

(x - min(x)) / (max(x) - min(x))

}

# Criando data frame de exemplo

df <- data.frame(

idade = c(25, 30, 35, 40, 45, 50),

salario = c(5000, 6000, 7000, 8000, 9000, 10000),

horas_trabalho = c(40, 42, 38, 45, 40, 35)

)

print("Data frame original:")

print(df)

# Aplicando Min-Max Scaling

df_normalizado <- as.data.frame(lapply(df, min_max_scale))

print("Data frame normalizado:")

print(df_normalizado)

Vantagens e Desvantagens do Min-Max Scaling

Vantagens:

Preserva a forma da distribuição original
Mantém as relações entre os valores originais
Fácil de implementar e interpretar
Não distorce as distâncias entre os valores
Ideal para dados com distribuição não-normal

Desvantagens:

Sensível a outliers (valores extremos)
Não centraliza os dados na média zero
Não reduz a variabilidade dos dados
Não é adequado quando a presença de outliers é significativa

⚠️ Cuidado com Outliers

O Min-Max Scaling é sensível a outliers pois os valores mínimo e máximo são determinados pelos valores extremos do conjunto de dados:

# Exemplo com outlier
dados_com_outlier = np.array([[10], [20], [30], [40], [50], [1000]])  # 1000 é um outlier

scaler = MinMaxScaler()
dados_com_outlier_normalizados = scaler.fit_transform(dados_com_outlier)

print("Dados com outlier:", dados_com_outlier.flatten())
print("Dados normalizados:", dados_com_outlier_normalizados.flatten().round(3))

# Exemplo com outlier

dados_com_outlier = np.array([[10], [20], [30], [40], [50], [1000]]) # 1000 é um outlier

scaler = MinMaxScaler()

dados_com_outlier_normalizados = scaler.fit_transform(dados_com_outlier)

print("Dados com outlier:", dados_com_outlier.flatten())

print("Dados normalizados:", dados_com_outlier_normalizados.flatten().round(3))

Neste caso, o outlier (1000) comprime todos os outros valores em uma faixa muito estreita próximo a zero.

Quando Usar Min-Max Scaling

Algoritmos Baseados em Distância

Use Min-Max Scaling para algoritmos que dependem de medidas de distância, como K-NN, K-Means e SVM.

# Pré-processamento para K-NN
from sklearn.neighbors import KNeighborsClassifier
from sklearn.pipeline import Pipeline

pipeline = Pipeline([
    ('scaler', MinMaxScaler()),
    ('classifier', KNeighborsClassifier())
])

# Pré-processamento para K-NN

from sklearn.neighbors import KNeighborsClassifier

from sklearn.pipeline import Pipeline

pipeline = Pipeline([

('scaler', MinMaxScaler()),

('classifier', KNeighborsClassifier())

])

Redes Neurais

Use Min-Max Scaling para normalizar inputs de redes neurais, especialmente com funções de ativação como sigmoid ou tanh.

# Pré-processamento para redes neurais
from sklearn.neural_network import MLPClassifier

pipeline = Pipeline([
    ('scaler', MinMaxScaler()),
    ('nn', MLPClassifier(hidden_layer_sizes=(100, 50)))
])

# Pré-processamento para redes neurais

from sklearn.neural_network import MLPClassifier

pipeline = Pipeline([

('scaler', MinMaxScaler()),

('nn', MLPClassifier(hidden_layer_sizes=(100, 50)))

])

Processamento de Imagens

Use Min-Max Scaling para normalizar valores de pixels (0-255) para o range 0-1.

# Normalizando pixels de imagem
from sklearn.preprocessing import MinMaxScaler

# Supondo que 'imagem' seja uma matriz de pixels (0-255)
scaler = MinMaxScaler(feature_range=(0, 1))
imagem_normalizada = scaler.fit_transform(imagem)

# Normalizando pixels de imagem

from sklearn.preprocessing import MinMaxScaler

# Supondo que 'imagem' seja uma matriz de pixels (0-255)

scaler = MinMaxScaler(feature_range=(0, 1))

imagem_normalizada = scaler.fit_transform(imagem)

Comparação com Outras Técnicas de Normalização

O Min-Max Scaling é uma entre várias técnicas de normalização. Vamos compará-lo com outras abordagens comuns:

Standardization (Z-score Normalization)

$X_{\text{standardized}} = \frac{X – \mu}{\sigma}$

Centraliza os dados na média 0
Escala para desvio padrão 1
Menos sensível a outliers
Ideal para dados com distribuição normal

Robust Scaling

$X_{\text{robust}} = \frac{X – \text{mediana}}{\text{IQR}}$

Usa mediana e IQR (Intervalo Interquartil)
Robusto a outliers
Ideal para dados com outliers significativos

Exemplo comparativo:

from sklearn.preprocessing import StandardScaler, RobustScaler, MinMaxScaler
import numpy as np

# Dados com outlier
dados = np.array([[10], [20], [30], [40], [50], [1000]])

# Aplicando diferentes técnicas
minmax_scaler = MinMaxScaler()
standard_scaler = StandardScaler()
robust_scaler = RobustScaler()

dados_minmax = minmax_scaler.fit_transform(dados)
dados_standard = standard_scaler.fit_transform(dados)
dados_robust = robust_scaler.fit_transform(dados)

print("Original:    ", dados.flatten())
print("Min-Max:     ", dados_minmax.flatten().round(3))
print("Standard:    ", dados_standard.flatten().round(3))
print("Robust:      ", dados_robust.flatten().round(3))

from sklearn.preprocessing import StandardScaler, RobustScaler, MinMaxScaler

import numpy as np

# Dados com outlier

dados = np.array([[10], [20], [30], [40], [50], [1000]])

# Aplicando diferentes técnicas

minmax_scaler = MinMaxScaler()

standard_scaler = StandardScaler()

robust_scaler = RobustScaler()

dados_minmax = minmax_scaler.fit_transform(dados)

dados_standard = standard_scaler.fit_transform(dados)

dados_robust = robust_scaler.fit_transform(dados)

print("Original: ", dados.flatten())

print("Min-Max: ", dados_minmax.flatten().round(3))

print("Standard: ", dados_standard.flatten().round(3))

print("Robust: ", dados_robust.flatten().round(3))

Conclusão

O Min-Max Scaling é uma técnica fundamental de pré-processamento de dados no machine learning. Sua simplicidade e eficácia o tornam uma escolha popular para normalizar features para um range específico, especialmente quando a distribuição original dos dados não é normal e não há outliers significativos.

Lembre-se de sempre:

Ajustar o scaler apenas com dados de treinamento
Aplicar a mesma transformação em dados de teste/validação
Considerar técnicas alternativas como StandardScaler ou RobustScaler quando houver outliers
Documentar os parâmetros de transformação para reprodutibilidade

Referências

Scikit-Learn Documentation: MinMaxScaler
Introduction to Machine Learning with Python: Andreas C. Müller & Sarah Guido
Hands-On Machine Learning with Scikit-Learn, Keras, and TensorFlow: Aurélien Géron