Data Mining Exercise 7

Min-Max Normalization - การปรับค่าข้อมูลเข้าสู่ช่วงใหม่

Warning

This article is a work in progress and may contain incomplete information or inaccuracies. Please verify details from reliable sources.

Data Mining Exercise 7

สำหรับโจทย์นี้ เป็นการทำ Min-Max Normalization มาดูเฉลยพร้อมวิธีทำแบบละเอียดกันเลย


คำตอบ

✅ เฉลย

ค่าใหม่ที่ได้คือ 3


วิธีทำ (Step-by-Step)

สูตร Min-Max Normalization

v=vminoldmaxoldminold×(maxnewminnew)+minnewv' = \frac{v - \min_{old}}{\max_{old} - \min_{old}} \times (\max_{new} - \min_{new}) + \min_{new}

1. กำหนดตัวแปรจากโจทย์

v(ค่าเดิม)=600v (\text{ค่าเดิม}) = 600

minold(ต่ำสุดเดิม)=200\min_{old} (\text{ต่ำสุดเดิม}) = 200

maxold(สูงสุดเดิม)=1,000\max_{old} (\text{สูงสุดเดิม}) = 1,000

minnew(ต่ำสุดใหม่)=1\min_{new} (\text{ต่ำสุดใหม่}) = 1

maxnew(สูงสุดใหม่)=5\max_{new} (\text{สูงสุดใหม่}) = 5

2. แทนค่าลงในสูตร

v=6002001000200×(51)+1v' = \frac{600 - 200}{1000 - 200} \times (5 - 1) + 1

3. คำนวณทีละส่วน

ส่วนแรก (หาตำแหน่งสัดส่วน):

400800=0.5\frac{400}{800} = 0.5

💡 ความหมาย

แปลว่า 600 อยู่ตรงกึ่งกลางพอดีระหว่าง 200 กับ 1000

ส่วนสอง (ขยายเข้าช่วงใหม่):

0.5×4=20.5 \times 4 = 2

ส่วนสาม (บวกค่าเริ่มต้นใหม่):

2+1=32 + 1 = \mathbf{3}


วิธีตรวจสอบความเข้าใจแบบ "ตกผลึก" (Intuitive Check)

ถ้าไม่อยากจำสูตร ให้ลองจินตนาการภาพเส้นจำนวน:

📊 การคิดแบบภาพ

ช่วงเดิม: 200 ถึง 1,000 (ระยะห่าง 800)

  • ค่า 600 คือ จุดกึ่งกลาง พอดี (200+400=600200 + 400 = 600)

ช่วงใหม่: 1 ถึง 5 (ระยะห่าง 4)

  • จุดกึ่งกลางของ 1 ถึง 5 ก็คือ 3 นั่นเองครับ (1+2=31 + 2 = 3)

สรุป

✅ คำตอบ

คำตอบคือ 3 ถูกต้องแน่นอน

📝 Edit this page on GitHub