正常化

规范化为何重要

现实世界的数据集往往包含尺度和单位大相径庭的特征。例如，在预测客户流失的数据集中，"账户余额 "的范围可能从数百到数百万不等，而 "产品数量 "的范围可能从 1 到 10 不等。如果不进行归一化处理，支持向量机（SVM）或神经网络（NN）等计算距离或使用梯度的 ML 算法可能会错误地认为范围较大的特征更重要，原因仅仅在于其规模。而归一化技术则能公平竞争，确保每个特征的贡献都基于其预测能力，而非其大小。这将加快训练过程中的收敛速度（从减少的历时中可以看出），提高模型的准确性，并使模型更加稳定、稳健。这种稳定性在训练 Ultralytics YOLO等模型时，这种稳定性是非常有益的，因为它可以提高平均精度 (mAP) 等指标。

常见的标准化技术

有几种重新调整数据比例的方法，每种方法都适用于不同的情况：

• 最小-最大缩放：将特征调整到一个固定的范围，通常为 [0，1]。计算公式为(值 - 最小值）/（最大值 - 最小值）。这种方法保留了原始分布的形状，但对异常值比较敏感。
• Z 值标准化（标准缩放）：将特征的平均值调整为 0，标准差调整为 1：(值-平均值）/标准差。与最小值-最大值缩放不同，它不会将值绑定在特定范围内，这对于需要在限定区间内输入的算法来说可能是个缺点，但它能更好地处理异常值。有关这些方法和其他方法的更多信息，请参阅Scikit-learn 预处理文档。
• 稳健缩放：使用对异常值稳健的统计量，如四分位数间距 (IQR)，而不是最小值/最大值或均值/极差。当数据集包含明显的异常值时，这种方法尤其有用。了解更多关于稳健缩放的信息。

这些技术之间的选择通常取决于特定的数据集（如Ultralytics Datasets 中的数据集）和所使用的 ML 算法的要求。注释数据预处理指南通常涵盖与特定任务相关的规范化步骤。

标准化与批量标准化

重要的是要将规范化与相关概念区分开来：

• 标准化：这种技术通常与 Z 分数标准化交替使用，它将数据转换为零均值和单位方差。标准化通常是将数据调整到一个固定的范围（如 0 到 1），而标准化则是将数据集中在均值周围，并根据标准差进行调整，而不一定将数据限制在一个特定的范围内。
• 批量归一化：这是一种在训练过程中应用于神经网络的技术，特别是针对各层或激活层的输入。它对每个迷你批次的前一个激活层的输出进行归一化处理，通过减少内部协变量偏移问题来稳定和加速训练过程。与应用于初始数据集的预处理步骤的特征归一化（最小-最大或 Z-分数）不同，批归一化是网络架构本身的一部分，可在模型训练过程中动态调整。

标准化的应用

规范化是为各种人工智能（AI）和 ML 任务准备数据的一个普遍步骤：

• 计算机视觉（CV）：图像中的像素值（通常从 0 到 255 不等）在输入卷积神经网络（CNN）之前，通常会归一化为 [0, 1] 或 [-1, 1]。这样可以确保图像的一致性，并帮助网络更有效地学习图像分类、使用YOLO11等模型进行物体检测和图像分割等任务的特征。许多标准的CV 数据集都受益于这一预处理步骤。
• 医学图像分析：在使用YOLO 模型进行肿瘤检测等应用中，核磁共振成像或 CT 扫描的强度值归一化至关重要。不同的扫描设备或设置会产生不同强度标度的图像。归一化可确保不同扫描和患者之间的分析具有一致性和可比性，从而建立更可靠的诊断模型。这在医疗保健中的人工智能等领域至关重要。
• 预测建模：在建立基于不同特征预测结果的模型时（例如，根据面积、房间数量和位置坐标预测房价），归一化可确保数值范围较大的特征（如平方英尺）不会在基于距离的计算（如在k-近邻中）或训练过程中的梯度更新中占主导地位。这在金融和零售分析中很常见。
• 自然语言处理 (NLP)：虽然归一化在原始文本中并不常见，但也可应用于衍生的数字特征，如词频或TF 分数，尤其是在将它们与其他类型的特征结合到更大的模型中时。

总之，归一化是一个重要的预处理步骤，它能将数据特征扩展到一个一致的范围，改善许多机器学习模型的训练过程、稳定性和性能，包括使用Ultralytics HUB 等工具开发和训练的模型。它能确保公平的特征贡献，对于对输入规模敏感的算法来说至关重要，有助于提供更强大、更准确的人工智能解决方案。