মানগুলির একটি পরিসরকে মানগুলির মান পরিসরে রূপান্তর করার প্রক্রিয়াটিকে স্বাভাবিককরণ বলা হয়। এই মানগুলি -1 থেকে +1 বা 0 থেকে 1-এর মধ্যে হতে পারে৷ বিয়োগ এবং ভাগের সাহায্যেও ডেটা স্বাভাবিক করা যেতে পারে৷
আসুন আমরা বুঝতে পারি কিভাবে L2 স্বাভাবিককরণ কাজ করে। এটি 'লিস্ট স্কোয়ার' নামেও পরিচিত। এই স্বাভাবিককরণটি এমনভাবে ডেটা পরিবর্তন করে যাতে ডেটার বর্গক্ষেত্রের সমষ্টি প্রতি সারিতে 1 হিসাবে থাকে৷
আসুন দেখি কিভাবে L2 নরমালাইজেশন Python-
-এ Scikit learn ব্যবহার করে বাস্তবায়িত করা যায়উদাহরণ
sklearn import preprocessinginput_data =np.array( [[34.78, 31.9, -65.5],[-16.5, 2.45, -83.5],[0.5, -87.98, 45.5.8, [0.5, -87.98, 45.62,]- 55.82]])normalized_data_l2 =preprocessing.normalize(input_data, norm='l2')print("\nL2 স্বাভাবিক ডেটা হল \n", normalized_data_l2)আউটপুট
L2 স্বাভাবিককৃত ডেটা [[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 প্যাকেজগুলি আমদানি করা হয়৷
-
Numpy লাইব্রেরি ব্যবহার করে ইনপুট ডেটা তৈরি করা হয়।
-
'প্রিপ্রসেসিং' ক্লাসে উপস্থিত 'নর্মালাইজ' ফাংশনটি ডেটাকে স্বাভাবিক করার জন্য ব্যবহার করা হয় যাতে প্রতিটি সারিতে মানের বর্গক্ষেত্রের যোগফল 1 হবে।
-
স্বাভাবিককরণের ধরনটি 'l2' হিসাবে নির্দিষ্ট করা হয়েছে।
-
এইভাবে, অ্যারের যেকোনো ডেটা স্বাভাবিক হয়ে যায় এবং প্রতিটি সারির বর্গক্ষেত্রের যোগফল হবে শুধুমাত্র 1।
-
এই স্বাভাবিক ডেটা কনসোলে প্রদর্শিত হয়৷
৷