Normalisointi
term_id: normalization
Category: basic_concepts
Definition
Yleisiä menetelmiä ovat Min-Max-skaalaus ja Z-pisteen standardointi. Tämä prosessi varmistaa, että suurempia arvoja sisältävät piirteet eivät dominoi oppimisalgoritmia, erityisesti gradienttipohjaisessa optimoinnissa.
Summary
Normalisointi on datan esikäsittelytekniikka, joka skaalaa numeerisia piirteitä vakiintuneelle välille, tyypillisesti 0 ja 1, parantaakseen mallin konvergenssia ja suorituskykyä.
Key Concepts
- Min-Max-skaalaus
- Z-pisteen standardointi
- Piirteiden skaalaus
- Gradienttivasen stabiilisuus
Use Cases
- Kuvapikseliarvojen esikäsittely
- Taulukkomuotoisen datan valmistelu hermostoverkkoja varten
- Regressiomallien tarkkuuden parantaminen
Code Example
from sklearn.preprocessing import MinMaxScaler
import numpy as np
data = np.array([[10], [20], [30]])
scaler = MinMaxScaler()
normalized_data = scaler.fit_transform(data)