正規化（Normalization）はG検定対策を理解するための用語です。この記事では仕組み・役割・使いどころを押さえ、G検定で問われる判断ポイントとひっかけポイントを解説します。

gk neural_network

G検定トップ ＞ 正規化（Normalization）とは？G検定対策

まず結論

  • 正規化（Normalization）とは、入力データのスケール（範囲）をそろえるための前処理の総称。
  • G検定では標準化・白色化・正則化と混同させる選択肢が頻出。

直感的な説明

  • 身長（cm）と体重（kg）をそのまま比べると、数値の大きい方に引きずられます。

  • 正規化は、

    • データを一定の範囲（例：0〜1）に収めて
    • 大きさの違いによる影響を減らす
  • つまり、👉 値のスケールをそろえるための“箱詰め”作業です。

定義・仕組み

  • 正規化（Normalization）とは、

    • データの値域を
    • あらかじめ決めた範囲（例：0〜1、-1〜1）に 変換する処理の総称です。

  • 代表例：

    • Min-Max 正規化（0〜1 に収める）

  • 平均0・分散1になるとは限らない点が重要。

いつ使う？（得意・不得意）

使われる場面（得意）

  • 入力データの範囲を制限したいとき
  • 画像データ（画素値 0〜255 → 0〜1）
  • 距離に基づく手法（k-NN など）

注意点・不得意

  • 外れ値があるとスケールが歪む
  • 分布の形は変わらない
  • 相関はそのまま残る

G検定ひっかけポイント

  • 混同しやすい用語：

    • ❌ 標準化：平均0・分散1
    • ❌ 白色化：無相関化＋標準化
    • ❌ 正則化：過学習防止

  • 判断基準：

    • 「0〜1」「-1〜1」など範囲指定 → 正規化
    • 「平均0・分散1」→ 標準化

まとめ（試験直前用）

  • 正規化＝値の範囲をそろえる
  • スケール調整の総称
  • 平均0・分散1とは限らない
  • 正則化とは目的が違う
  • 範囲指定の表現を見たら正規化

🔗 関連記事

🏠 G検トップに戻る