NumPyで配列の正規化(normalize)、標準化する方法

データの正規化 z-score normalization (標準化) min-max normalization ベクトルなどの正規化 参考 機械学習の分野などで、データの前処理にスケールを揃える正規化(normalize)をすることがあります。 正規化という言葉自体は様々な分野で使われているため、意味が混乱してしまいますが、ここでは数量に関する正規化（数学的意味合いにおける正規化も含む）を紹介します。 数量を扱った正規化自体には主に2つのやり方があり、それぞれ用途に応じたものを使い分けましょう。 データの正規化 データの正規化は、異なる種類のデータを1つの尺度にまとめるために行う正規化です。 例えば、学校の試験で英語が80点、数学が60点だったとします。このとき、点数だけを見れば、英語の方が成績が良さそうですが、クラス内の平均点が英語が78点、数学が30点で標準偏差が共に10であったら

[wakayamadanna]

“z-score normalization”

[kat0usi]

“標準化＝元のデータの平均を0、標準偏差が1のものへと変換する正規化法”