Proč je potřeba normalizace znaků?

Normalizace znaků je nutná k tomu, aby data byla na jednotném měřítku, což je důležité pro správnou funkci mnoha algoritmů strojového učení. Pokud mají znaky různé měřítko (například jeden měřen v metrech, druhý v kilometrech), algoritmy založené na výpočtu vzdáleností (například k nejbližších sousedů, SVM, gradientní sestup) mohou nesprávně odhadnout důležitost znaků.

Normalizace pomáhá:

• Zrychlit konvergenci optimalizačních algoritmů.
• Vyhnout se dominanci znaků s velkými hodnotami.
• Zlepšit kvalitu modelu a stabilitu učení.

Příklad normalizace Min-Max:

from sklearn.preprocessing import MinMaxScaler

scaler = MinMaxScaler()
X_normalized = scaler.fit_transform(X)

Nebo standardizace (přivedení na střední hodnotu 0 a směrodatnou odchylku 1):

from sklearn.preprocessing import StandardScaler

scaler = StandardScaler()
X_standardized = scaler.fit_transform(X)