Normalisation

term_id: normalization

Category: basic_concepts

Definition

Les méthodes courantes incluent la mise à l’échelle Min-Max et la standardisation Z-score. Ce processus garantit que les caractéristiques ayant des amplitudes plus importantes ne dominent pas l’algorithme d’apprentissage, en particulier dans l’optimisation basée sur le gradient…

Summary

La normalisation est une technique de prétraitement des données qui met à l’échelle les caractéristiques numériques dans une plage standard, généralement entre 0 et 1, afin d’améliorer la convergence et les performances du modèle.

Key Concepts

  • Mise à l’échelle Min-Max
  • Standardisation Z-score
  • Mise à l’échelle des caractéristiques
  • Stabilité de la descente de gradient

Use Cases

  • Prétraitement des valeurs de pixels d’image
  • Préparation des données tabulaires pour les réseaux de neurones
  • Amélioration de la précision des modèles de régression

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