Normalisoinnin

Normalisoinnin käsite viittaa prosessiin, jossa erilaiset ilmentymät muunnetaan yhteiseen, vertailukelpoiseen muotoon. Se kattaa numeerisen datan sekä tietojärjestelmä- ja kielellisten ilmiöiden käsittelyn. Normalisoinnin tarkoituksena on helpottaa analyysiä, parantaa yhteensopivuutta sekä vähentää päällekkäisyyksiä ja virheitä.

Matematiikassa ja tilastotieteessä normalisointi voi tarkoittaa muun muassa vektorin pituuden muuttamista yksikkövektoriksi (vektorin normalisointi) tai jakauman normittamista siten, että kokonaisuus on yksi (jakauman normalisointi). Yleisiä menetelmiä ovat min-max-normalisointi (arvot [0,1]) sekä z-scoren normalisointi (keskiarvo nolla, hajonta yksi). Näitä käytetään myös koneoppimisessa, jotta piirteet ovat vertailukelpoisia.

Tietokantojen normalisointi tarkoittaa relaatiotietokannan rakenteen järjestämistä siten, että tiedot tallennetaan erillisiin tauluihin eikä redundanssia synny. Tähän liittyy funktionaalisten riippuvuuksien kuvaaminen ja normaaliformien, kuten 1NF, 2NF, 3NF sekä BCNF, soveltaminen. Tavoitteena on eheys, helpommat päivitykset ja pienempi tieto­määrä päällekkäin.

Tekstuaalisessa ja signaalinkäsittelyssä normalisointi tarkoittaa teksti- tai signaalivarojen yhdenmukaistamista: pieniksi kirjaimiksi muuntamista, diakriittien ja erikoismerkkien yhdenmukaistamista sekä arvojen skaalaamista. Näin data on helpompi analysoida ja hakea, ja sitä käytetään muun muassa hakukoneissa, luonnollisen kielen käsittelyssä sekä tilastollisissa analyyseissä.