

Seu próximo nível começa aqui
Seu desenvolvimento não pode ter limites. Garanta sua Assinatura Ilimitada e libere uma preparação completa com os melhores professores do Brasil.
Uma equipe de análise de riscos de um banco de investimentos precisa avaliar o risco de diferentes carteiras de clientes, que possuem ativos em escalas variadas. Para isso, ela decidiu utilizar modelos de aprendizado de máquina, a fim de auxiliar o seu processo de tomada de decisão. Os analistas da equipe perceberam que parte dos ativos disponíveis poderia influenciar desproporcionalmente a análise de risco. Assim, decidiram aplicar a técnica de normalização z-score. Com essa medida, pretendem reduzir a influência de uma variação abrupta no treinamento dos modelos de aprendizado de máquina, promovendo uma comparação justa entre os ativos e uma avaliação mais precisa do risco em cada carteira. Considere que W seja o conjunto de todos os valores em reais dos ativos de carteiras de investimentos que a equipe de analistas precisa avaliar.
Uma das características da normalização z-score é que, em sua definição original (clássica), essa normalização
altera a escala decimal dos valores integrantes do atributo W, dependendo do valor máximo absoluto desse conjunto.
apresenta maior robustez a outliers quando comparada à normalização z-score aplicada com o desvio absoluto médio dos valores do atributo W.
promove uma transformação linear nos dados originais do conjunto W, pela aplicação do valor absoluto máximo do conjunto.
revela-se útil quando os valores mínimo e máximo dos valores integrantes do conjunto W são desconhecidos.
subtrai a mediana dos dados e depois os escala de acordo com o intervalo interquartil.