詳細解釋
歸一化（Normalization）是將特徵縮放到特定範圍（通常是[0,1]）的數據預處理技術，確保不同量綱的特徵可比較。
Min-Max歸一化：
- x' = (x - min) / (max - min)
- 範圍：[0,1]或[-1,1]
- 保留原分布形狀
- 對異常值敏感
與標準化對比：
- 歸一化：縮放到固定範圍
- 標準化：均值0方差1
- 選擇取決於算法
應用場景：
- 距離計算：KNN、K-Means
- 神經網絡：輸入層常需
- 圖像處理：像素值歸一化
- 梯度下降：加速收斂
注意事項：
- 訓練集計算：min/max從訓練集
- 測試集應用：用訓練集參數
- 新數據：可能超出[0,1]
變體：
- Max歸一化：除以最大值
- L1/L2歸一化：向量歸一化
實現：
- scikit-learn：MinMaxScaler
- 手動：(x - min) / (max - min)
歸一化是確保特徵可比性的基礎預處理。