L1Normalisierung
L1Normalisierung bezeichnet das Skalieren eines Vektors, so dass seine L1-Norm ||x||1 = sum_i |x_i| gleich 1 wird. Formal gilt: x_hat_i = x_i / ||x||1 für alle i, sofern ||x||1 > 0. Falls der Vektor der Nullvektor ist, wird er üblicherweise unverändert belassen oder auf Null gesetzt. Die L1-Norm misst die Gesamtsumme der Beträge der Komponenten; durch Division mit dieser Größe erhält man einen Vektor, dessen Summe der Beträge 1 ist. Die Vorzeichen der Komponenten bleiben erhalten; negative Werte bleiben möglich, jedoch ergibt sich eine normierte Größe.
Anwendungen: L1Normalisierung wird häufig in der Datenvorverarbeitung verwendet, insbesondere für Merkmalsvektoren in maschinellem Lernen, Text Mining
Hinweis: L1Normalisierung ist eine Form der Datenvorverarbeitung und nicht zu verwechseln mit L1-Regularisierung (L1-Penalty) in Optimierungsproblemen