Normalizácia

Normalizácia je proces prevodu údajov alebo informácií do štandardného alebo kanonického tvaru s cieľom uľahčiť porovnanie, spracovanie a ukládanie. Pôsobí vo viacerých oblastiach, vrátane štatistiky a strojového učenia, databázových systémov, spracovania textu a signálového spracovania.

V štatistike a dátovej vede sa normalizácia používa na transformáciu údajov do spoločného meradla bez zmeny relatívnych rozdielov medzi prvkami. Bežné metódy zahŕňajú min–max normalizáciu (x' = (x − min(X)) / (max(X) − min(X))), ktorá výsledok posunie do rozsahu 0 až 1, a štandardizáciu (z = (x − μ) / σ), ktorá dáva strednú hodnotu 0 a smerodajnú odchýlku 1. Normalizácia je vhodná, keď majú premenné rôzne jednotky alebo rozsahy a keď algoritmy sú citlivé na veľkosti vstupov.

V databázach predstavuje normalizácia proces organizácie údajov, ktorý znižuje redundanciu a zlepšuje integritu prostredníctvom normalizačných foriem (1NF, 2NF, 3NF, BCNF). Ide o rozkladanie tabuliek a definovanie vzťahov na základe primárnych a cudzích kľúčov. Udržanie vysokej miery normalizácie môže zlepšiť konzistenciu a flexibilitu, no zároveň môže viesť k väčšiemu počtu dotazov a nižšiemu výkonu; preto sa v praxi používa aj denormalizácia pre určité čitateľné operácie.

V spracovaní textu a Unicode sa normalizácia používa na zabezpečenie konzistentnosti pri porovnávaní a vyhľadávaní, napríklad formy NFC, NFD, NFKC a NFKD. V spracovaní prirodzeného jazyka zahŕňa aj konverziu na malé písmená, odstraňovanie diakritiky, stemming alebo lemmatizáciu a ďalšie postupy vedúce k štandardizovaným tvarom slov.