正規化（Normalization）
正規化（Normalization）は、データの値を一定の範囲（多くは0〜1）に変換する前処理方法です。
これは、特徴量のスケール（大きさ）が異なる場合、機械学習モデルが偏った学習をするのを防ぐために行われます。特に距離ベースのアルゴリズム（K近傍法、K-meansクラスタリングなど）やニューラルネットワークでよく使われます。
正規化は外れ値の影響を受けやすいという欠点があります。最大値や最小値が極端に大きい（小さい）と他のデータが圧縮されてしまうため、外れ値除去やロバストなスケーリング手法（Robust Scaler）と組み合わせることもあります。
正規化（Normalization）関連用語
正規化（Normalization）に関連する単語は以下の通りです。
- 最小最大正規化（Min-Max Normalization）
- 標準化（Standardization）
- スケーリング（Scaling）
正規化（Normalization）やさしい解説
正規化（Normalization）は、「データを0〜1の間におさめる作業」です。
例えば、AIにテストの点数（0〜100点）と身長（150〜180cm）を渡すと、数字の大きさが全然違います。そこで、それぞれのデータを「最小の値を0、最大の値を1」にしてそろえます。
これでAIは「点数」と「身長」を同じくらいの重要度で見てくれるようになります。
AI関連の用語集【まとめ】
AI関連の用語集が気になる方のために、用語集一覧を作成しました。AIに関する学びを深めたいとお考えの方はぜひご覧ください。
＼AIの導入・開発・相談なら【クラベルAI】に相談しよう！／
