मानों की एक रेंज को मानकीकृत रेंज में बदलने की प्रक्रिया को नॉर्मलाइज़ेशन के नाम से जाना जाता है। ये मान -1 से +1 या 0 से 1 के बीच हो सकते हैं। डेटा को घटाव और विभाजन की मदद से भी नॉर्मलाइज़ किया जा सकता है।
आइए समझते हैं कि L2 नॉर्मलाइज़ेशन कैसे काम करता है। इसे 'लीस्ट स्क्वेयर्स' (Least Squares) के नाम से भी जाना जाता है। यह नॉर्मलाइज़ेशन डेटा को इस तरह संशोधित करता है कि हर पंक्ति में डेटा के वर्गों का योग 1 रहे।
आइए देखते हैं कि पायथन में scikit-learn का उपयोग करके L2 नॉर्मलाइज़ेशन कैसे लागू किया जा सकता है।
उदाहरण
import numpy as np
from sklearn import preprocessing
input_data = np.array(
[[34.78, 31.9, -65.5], [-16.5, 2.45, -83.5], [0.5, -87.98, 45.62], [5.9, 2.38, -55.82]]
)
normalized_data_l2 = preprocessing.normalize(input_data, norm='l2')
print("\nL2 normalized data is \n", normalized_data_l2)आउटपुट
L2 normalized data is [[ 0.43081298 0.39513899 -0.81133554] [-0.19377596 0.02877279 -0.98062378] [ 0.00504512 -0.88774018 0.4603172 ] [ 0.10501701 0.04236279 -0.99356772]]
व्याख्या
- आवश्यक पैकेज आयात किए जाते हैं।
- इनपुट डेटा नम्पाई लाइब्रेरी का उपयोग करके उत्पन्न किया जाता है।
- 'preprocessing' क्लास में मौजूद 'normalize' फंक्शन का उपयोग डेटा को नॉर्मलाइज़ करने के लिए किया जाता है ताकि हर पंक्ति में मानों के वर्गों का योग 1 हो।
- नॉर्मलाइज़ेशन का प्रकार 'l2' के रूप में निर्दिष्ट किया जाता है।
- इस तरह, सरणी में कोई भी डेटा नॉर्मलाइज़ हो जाता है और हर पंक्ति में वर्गों का योग केवल 1 होता है।
- यह नॉर्मलाइज़्ड डेटा कंसोल पर प्रदर्शित होता है।