AITerms 登入
機器學習資料處理特徵工程

正規化(Normalization)是什麼?

正規化是一種資料前處理技術,將資料縮放到一個單位範數,例如L1或L2範數,使每個樣本的向量長度為1。

完整定義

正規化是一種資料前處理技術,旨在將資料集中每個樣本的特徵向量縮放到一個單位範數。這意味著每個樣本的向量長度(例如L1或L2範數)將被縮放到1。正規化主要用於處理具有不同尺度的特徵,並確保每個樣本對模型的貢獻是平等的。

白話說明

你有沒有遇過,有些資料數值特別大,讓模型看起來被它們牽著走?

你可以把它想成先把每個樣本縮到差不多的大小,讓模型比較的是方向或比例,而不是原始大小。

正規化的重點是把樣本向量拉到固定範數,避免尺度太大造成偏差。

記住這句

把每個樣本縮到差不多長。

比喻:正規化就像把所有參賽者的「實力值」都換算成相同的標準單位 -- 不管你原本是「100公斤的力氣」還是「1000瓦特的功率」,都轉換成一個相對值,這樣大家才能公平比較,不會因為單位不同而產生偏差。

容易混淆

正規化 vs 標準化

正規化:把每個樣本縮到固定範數

標準化:把特徵拉成平均 0、標準差 1

正規化 vs 特徵縮放

正規化:通常處理樣本向量

特徵縮放:通常處理欄位數值範圍

實際案例

文本向量

把長短不同的文件向量正規化,方便比較相似度。

影像特徵

在某些嵌入模型裡,正規化後距離比較有意義。

演算法與應用

L1 和 L2 正規化最常見,前者偏稀疏,後者更平滑。

它常和餘弦相似度、向量檢索、以及度量學習搭配。

如果你的模型很怕向量長度影響結果,正規化通常很有用。

中英對照與常見說法

最後一列是最常見的誤譯。正規化(normalization)與正則化(regularization)中文只差一個字,英文完全不同,目的也不同。正規化處理的是數值尺度,正則化處理的是模型複雜度。看到「L2 正規化」多半是誤譯,原文應該是 L2 regularization。

中文
正規化
英文
normalization
指的是什麼
把數值縮放到固定範圍,最常見是 0 到 1
中文
標準化
英文
standardization
指的是什麼
減平均除標準差,讓平均為 0、標準差為 1
中文
最小最大縮放
英文
min-max scaling
指的是什麼
正規化最常見的具體做法
中文
批次正規化
英文
batch normalization
指的是什麼
神經網路層與層之間做的正規化
中文
正則化
英文
regularization
指的是什麼
完全不同的東西,指抑制過擬合的手段

公式與什麼時候該用哪一種

最小最大正規化

x' = (x − min) / (max − min)

結果落在 0 到 1。適合需要固定範圍的場合,例如影像像素值、要餵進有界激活函數的輸入。缺點是對離群值極度敏感,一筆極端值就會把其他資料全部壓扁到很小的區間。

標準化(Z 分數)

x' = (x − μ) / σ

結果平均 0、標準差 1,沒有固定上下界。對離群值穩健得多,是多數機器學習模型的預設選擇,尤其是線性回歸、邏輯回歸、支援向量機、主成分分析這類跟距離或梯度有關的模型。

判斷方式:不確定就先用標準化。只有在明確需要有界輸出,或資料本身就有天然上下限時,才用最小最大正規化。

還有一個常被忽略的紀律:縮放參數(min、max、平均、標準差)只能從訓練集算,然後套用到驗證集與測試集。用全部資料一起算會讓測試集的資訊洩漏進訓練流程,評估數字會虛高。

情境判斷

Q1(直覺題):兩篇文件長度差很多,但你只想比較語意方向,該做什麼?

正規化,讓向量長度先統一。

Q2(判斷題):如果你的特徵本來就有絕對大小意義,還能隨便正規化嗎?

要看情況,因為縮掉大小可能也把有用訊號一起拿掉。

常見問題

範例考題

資料科學團隊在模型訓練前,需對數值特徵進行正規化(Normalization)或標準化(Standardization)。為確保模型評估結果具真實性並避免資料洩漏(Data Leakage),下列何者為最適當的作法?

  1. A於資料分割前,先對完整資料集計算統計量並進行標準化處理
  2. B先分割訓練資料(Training Data)和測試資料(Test Data),並各自獨立計算統計量後進行標準化
  3. C先分割訓練資料(Training Data)和測試資料(Test Data),僅以訓練資料計算統計量,再套用至測試資料
  4. D僅對訓練資料(Training Data)進行標準化處理,測試資料(Test Data)保持原始數值
到題目頁作答

出現在這些考古題

官方公告試題的逐題解析裡,有 10 題把正規化列為延伸術語,這裡列出 5 題。

相關術語

本頁內容有提到,或屬於同一組主題的術語

來源

這個術語目前沒有標註外部來源。

其他格式:Markdown 版本