Ինչու է անհրաժեշտ հատկությունների նորմալիզացիան։

Նշանակագրությունների նորմալիզացիան անհրաժեշտ է տվյալները միավորել մեկ չափանիշի, ինչը կարևոր է շատ մեքենայական ուսուցման ալգորիթմների ճիշտ աշխատանքի համար: Եթե նշանակագրությունները ունեն տարբեր չափանիշներ (օրինակ՝ մեկը չափվում է մետրերով, մյուսը՝ կիլոմետրերով), ապա հեռավորության հաշվարկի վրա հիմնված ալգորիթմները (օրինակ՝ k-մոտեցող հարևաններ, SVM, գրադիենտային իջեցում) կարող են սխալ գնահատել նշանակագրությունների կարևորությունը:

Նորմալիզացիան օգնում է:

• Հետագա օպտիմիզացիայի ալգորիթմների արագացմանը:
• Խուսափել մեծ արժեքներ ունեցող նշանակագրությունների գերակայությունից:
• Մոդելի որակի և ուսուցման կայունության բարձրացմանը:

Min-Max նորմալիզացիայի օրինակ:

from sklearn.preprocessing import MinMaxScaler

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

Կամ ստանդարտացում (միջին 0 և ստանդարտ շեղում 1):

from sklearn.preprocessing import StandardScaler

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