L2normalisointia

L2-normalisointi on tietojenkäsittelyssä ja koneoppimisessa käytetty esikäsittelymenetelmä, jolla vektori skaalataan niin, että sen L2-normi on yksi. L2-normi eli Euclidinen normi on neliöjuuri kaikkien komponenttien neliöiden summasta: ||x||2 = sqrt(sum_i x_i^2). Normalisoitu vektori x̂ saadaan jakamalla kaikki komponentit luvulla ||x||2, olettaen että norma on suurempi kuin nolla; jos vektori on nolla, tuloksena säilyy nollavektori.

Sovelluskohteita ovat tilanteet, joissa halutaan varmistaa, että yksittäisten ominaisuuksien suuruudet eivät dominoi tuloksia. Esimerkkejä ovat tekstin esikäsittely (kuten TF-IDF-vektoroinnin julmaksi), sanojen ja muiden piirteiden vektorit sekä erilaisten etäisyyksien ja kulmien laskeminen vektoritunnisteiden välillä. Kun sekä kaksi vektoria on normalisoitu L2-mittaan, niiden välinen kulma eli cosine similarity korostuu, ja samalla euclidinen etäisyys voidaan tulkita kulmana.

Toteutus voidaan suorittaa rivikohtaisesti (jokainen näyte normalisoidaan erikseen) tai ominaisuuskohtaisesti (tiettyjen sarakkeiden ominaisuudet normalisoidaan). Monissa kirjastoympäristöissä L2-normalisointi on käytössä ohjelmallisesti nimellä norm='l2' tai vastaava.

Esimerkki: vektori x = [3, 4] saa normin ||x||2 = 5, jolloin x̂ = [0.6, 0.8].

Vahvuuksina L2-normalisointi helpottaa vertailua sekä edistää konvergenssia joissakin malleissa, mutta se ei aina säilytä ominaisuuksia kuten sparsisuutta tai suuruustietoa. Vaihtoehtoina ovat L1-normalisointi ja standardointi (z-normalisointi), jotka vaikuttavat eri tavoin datan jakautumiseen.