Calculadora de escala de características

Transforma cada columna numérica por separado. Carga/pega CSV o usa Ejemplo y elige una transformación sobre cada columna. Editar valores originales permite modificar la entrada; desmárcalo para ver el resultado actual. Las columnas sin transformar pueden contener texto. El CSV exporta la vista mostrada con precisión numérica completa; la tabla muestra seis cifras significativas.

Min–Max: (x−min)/(max−min), extremos observados a 0 y 1. Z-score: (x−media)/s. n−1 usa desviación típica muestral; n la poblacional, como scikit-learn StandardScaler. Las columnas constantes pasan a 0 con escala 1, incluso con un único valor. Log₁₀ exige valores estrictamente positivos; es una transformación logarítmica, no estandarización. Ejemplo: A:0/0,5/1, B:−1/0/1 (n−1), C:0/1/2.

La detección automática interpreta una primera fila totalmente no numérica como cabeceras; elige Cabeceras o Datos si hace falta. Se detecta el delimitador; comas decimales entre comillas o CSV separado por punto y coma. Las celdas numéricas vacías o no válidas son errores, nunca cero. Límites: 200 filas de datos, 20 columnas, 1 MiB, valor absoluto ≤ 10¹⁵⁰. Se rechazan importaciones demasiado grandes y se conserva la tabla anterior. Todo es local.

Se ajustan parámetros con todas las filas importadas. En aprendizaje, ajusta solo con datos de entrenamiento y reutiliza los parámetros en prueba para evitar filtraciones. Esta herramienta no separa entrenamiento/prueba ni aplica ajustes guardados a otros datos. El escalado es sensible a valores atípicos y no vuelve normal cualquier distribución. Inversas: Min–Max y·rango+min, Z-score y·s+media, log 10ʸ.