znormalisering

Znormalisering, ook wel standaardisatie genoemd, is een data-normalisatie waarbij numerieke kenmerken worden geschaald zodat ze gemiddeld nul leveren en een standaarddeviatie van één hebben. De veelgebruikte transformatie voor een waarde x is z = (x − μ) / σ, waarbij μ het gemiddelde en σ de standaarddeviatie van een kenmerkenkolom zijn.

In de praktijk worden μ en σ berekend op de trainingsdata en vervolgens toegepast op zowel de trainings- als de testdata. Dit zorgt voor consistante schaal: elk kenmerk wordt gecentreerd en geschaald volgens dezelfde referentie. Znormalisering is vooral effectief bij algoritmen die afhankelijk zijn van afstanden of gradienteigenschappen, zoals k-nearest neighbours, SVMs, k-means en veel vormen van regressie en neurale netwerken.

Voordelen zijn onder meer verbeterde comparabiliteit tussen kenmerken met verschillende eenheden, snellere en stabielere convergentie van sommige algoritmen, en betere prestatie bij verliesfuncties die afhankelijk zijn van schaal. Nadelen omvatten gevoeligheid voor uitbijters, aangezien extreme waarden de berekening van μ en σ sterk kunnen beïnvloeden. Daarnaast kan het problematisch zijn wanneer σ dicht bij nul ligt of wanneer de verachtering van normaliteit onduidelijk is; robuuste varianten gebruiken bijvoorbeeld mediaan en MAD (median absolute deviation) om dit te mitigeren.

Vergelijkbaar met andere normalisaties zoals min-max-schaalverdeling, behoudt znormalisering de verhouding tussen waarden die niet door een simpele schaalvergroting wordt vastgelegd. In veel data-analyse- en ML-pijplijnen is StandardScaler een standaardimplementatie van deze techniek.