Prečo je potrebná normalizácia znakov?

Normalizácia znakov je potrebná na to, aby údaje boli na jednotnej škále, čo je dôležité pre správne fungovanie mnohých algoritmov strojového učenia. Ak majú znaky rôzne škály (napríklad jeden meraný v metroch, druhý v kilometroch), algoritmy založené na výpočte vzdialeností (napríklad k najbližších susedov, SVM, gradientný zostup) môžu nesprávne odhadnúť dôležitosť znakov.

Normalizácia pomáha:

• Urýchliť konvergenciu optimalizačných algoritmov.
• Vyhnúť sa dominancii znakov s veľkými hodnotami.
• Zlepšiť kvalitu modelu a stabilitu učenia.

Príklad normalizácie Min-Max:

from sklearn.preprocessing import MinMaxScaler

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

Alebo štandardizácia (doprava na strednú hodnotu 0 a štandardnú odchýlku 1):

from sklearn.preprocessing import StandardScaler

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