ভ্যালু রেঞ্জকে স্ট্যান্ডার্ড রেঞ্জে (-1 থেকে +1 বা ০ থেকে ১) কনভার্ট করার প্রক্রিয়াকে নর্মালাইজেশন বলা হয়। সাবট্রাকশন ও ডিভিশন দিয়েও নর্মালাইজ করা যায়।
L2 নর্মালাইজেশন (Least Squares) ডেটাকে এমনভাবে মডিফাই করে যাতে প্রতিটি সারের বর্গের যোগফল ১ হয়।
উদাহরণ
import numpy as np
from sklearn import preprocessing
input_data = np.array([
[34.78, 31.9, -65.5],
[-16.5, 2.45, -83.5],
[0.5, -87.98, 45.62],
[5.9, 2.38, -55.82]
])
normalized_data_l2 = preprocessing.normalize(input_data, norm='l2')
print("\nL2 normalized data is:\n", normalized_data_l2)আউটপুট
L2 normalized data is [[ 0.43081298 0.39513899 -0.81133554] [-0.19377596 0.02877279 -0.98062378] [ 0.00504512 -0.88774018 0.4603172 ] [ 0.10501701 0.04236279 -0.99356772]]
ব্যাখ্যা
- প্রয়োজনীয় প্যাকেজ ইমপোর্ট করা হয়েছে।
- Numpy দিয়ে ইনপুট ডেটা জেনারেট করা হয়েছে।
preprocessing.normalizeফাংশনnorm='l2'দিয়ে নর্মালাইজ করা হয়েছে।- প্রতিটি সারের বর্গের যোগফল ১ হয়েছে।
- নর্মালাইজড ডেটা কনসোলে দেখানো হয়েছে।
