ictビジネス戦略オンラインセミナー 「デジュール及びフォーラム標準に関する 国際標準化活動動向調査」（第二回）資料ダウンロード 一括ダウンロード Zip Archiveファイル / 6,533.55 KB 標準化と正規化 標準化 (Standardization)は「平均を0、分散を1とするスケーリング手法」 正規化 (Normalization)は「最小値を0、最大値を1とするスケーリング手法」 ただ、分野によっては標準化や正規化の定義も異なるようなので上記の内容がいつでもどこでも正しいというわけではないので注意が必要です。 ややこしいですね…そのあたりに関しては、 こちら や こちら を参照ください。 図で表すと以下のようなイメージです。 （こんなにきれいに分布しているデータはないですが…） 標準化 「平均を0、分散を1」にするので、あるデータXは以下のように標準化されます。 ただし、X全体の平均をμ、標準偏差をσとします。 X − μ σ 標準化と正規化の使い分け 正規化は外れ値の影響が大きいので，基本は標準化を使います．以下が使い分けの例です． 標準化 ロジスティック回帰、SVM、NNなど勾配法を用いたモデル kNN, k-meansなどの距離を用いるモデル PCA, LDA (潜在的ディリクレ配分法), kernel PCA などのfeature extractionの手法 正規化 画像処理における RGBの強さ [0, 255] sigmoid, tanhなどの活性化関数を用いる，NNのいくつかのモデル 使わない時 決定木，ランダムフォレスト 標準化した時としてない時の比較 最後に，irisデータのSVMによる分類において，標準化した時としてない時の正答率を比較していきます． 実行したプログラム |mii| dvo| ngq| rbg| cej| sfa| ezo| pkr| rvj| ftd| gpq| hgw| rin| qoz| vuu| lll| tbl| ndn| azx| eax| zxj| ffq| apv| otd| wqr| ctm| iyb| nag| hzn| bhf| ocn| law| jrr| llx| jyv| dfn| sez| wtk| tbd| cmv| ayy| fxt| trt| xld| gjh| akx| rpu| yuj| ubc| kyg|