翻訳は機械翻訳により提供されています。提供された翻訳内容と英語版の間で齟齬、不一致または矛盾がある場合、英語版が優先します。

# データサイエンスレシピのステップ
<a name="recipe-actions.data-science"></a>

これらのレシピステップを使用して、さまざまな視点からデータを集計および要約したり、高度な変換を実行したりできます。

**Topics**
+ [二項化](recipe-actions.BINARIZATION.md)
+ [バケット化](recipe-actions.BUCKETIZATION.md)
+ [カテゴリマッピング](recipe-actions.CATEGORICAL_MAPPING.md)
+ [ONE\_HOT\_ENCODING](recipe-actions.ONE_HOT_ENCODING.md)
+ [スケール](#recipe-actions.SCALE)
+ [歪度](recipe-actions.SKEWNESS.md)
+ [トークン化](recipe-actions.TOKENIZATION.md)

## スケール
<a name="recipe-actions.SCALE"></a>

数値列のデータ範囲をスケールまたは正規化します。

**パラメータ**
+ `sourceColumn` - 既存の列の名前。
+ `strategy` – 列値に適用されるオペレーション。
  + `MIN_MAX` – 値を [0,1] の範囲に再スケーリングします。
  + `SCALE_BETWEEN` – 指定された 2 つの値の範囲に値を再スケーリングします。
  +  `MEAN_NORMALIZATION` – 平均 (μ) が 0、標準偏差 (σ) が [-1, 1] の範囲内の 1 になるようにデータを再スケーリングします。
  +  `Z_SCORE` – データ値を線形的にスケールして、平均 (μ) を 0、標準偏差 (σ) を 1 にします。外れ値の処理に最適です。
+ `targetColumn` – 結果を含む列の名前。

**Example 例**  
  

```
{
    "Action": {
        "Operation": "NORMALIZATION",
        "Parameters": {
            "sourceColumn": "all_votes",
            "strategy": "MIN_MAX",
            "targetColumn": "all_votes_normalized"
        }
    }
}
```