Normalisierung

term_id: normalization

Category: basic_concepts

Definition

Häufige Methoden umfassen die Min-Max-Skalierung und die Z-Score-Standardisierung. Dieser Prozess stellt sicher, dass Merkmale mit größeren Beträgen den Lernalgorithmus nicht dominieren, insbesondere bei gradientenbasierten Optimierungsverfahren.

Summary

Normalisierung ist eine Daten-Vorverarbeitungstechnik, die numerische Merkmale auf einen Standardbereich skaliert, typischerweise zwischen 0 und 1, um die Konvergenz und Leistung des Modells zu verbessern.

Key Concepts

  • Min-Max-Skalierung
  • Z-Score-Standardisierung
  • Merkmalskalierung
  • Stabilität des Gradientenabstiegs

Use Cases

  • Vorverarbeitung von Bildpixelwerten
  • Vorbereitung von Tabellendaten für neuronale Netze
  • Verbesserung der Genauigkeit von Regressionsmodellen

Code Example

1
2
3
4
5

from sklearn.preprocessing import MinMaxScaler
import numpy as np
data = np.array([[10], [20], [30]])
scaler = MinMaxScaler()
normalized_data = scaler.fit_transform(data)

Related