標準化 標準化はデータを平均0、標準偏差1に変換します。 各データに対してデータ全体の平均値で引き、標準偏差で割る操作を行います。 正規分布が関係 多くの機械学習アルゴリズムは入力データが正規分布に従っていることを前提として 標準化(Standadization)とは？ 平均値や標準偏差が異なる場合、それぞれの数値のもつ意味は異なってくるため、得点を単純比較することができない。 そこで、平均値や、標準偏差が異なるデータを比較可能な状態にするために、平均値が0、標準偏差が1になるように変換する。 ＜この記事の内容＞：記述統計・データの分析〜確率分布・推計統計など様々な場面で現れる 『変量変換』と『データの標準化』 の意味や公式、その証明などをなるべく省略せずに解説しました。 目次 (タップした所へ飛びます) [ 非表示] 変数変換とは？ 平均値の変換公式とその証明 平均値の変換公式 平均値：公式の証明 分散の変換とその証明 分散の変換公式 分散：公式の証明 標準偏差の変換とその証明 標準偏差の変換公式 標準偏差：公式の証明 データの標準化とは？ データの標準化の公式 標準化（normalizing） とは、 元のデータの平均が0になるように位置をずらし、さらに標準偏差が1になるように幅を変換する方法 です。 正規化は標準化の一種です。 正規分布を標準正規分布に変形することを、標準化といいます。 （正規分布について詳しく知りたい方は正規分布とは？をご覧ください。） 正規分布を標準化する式 確率変数\(X\)が正規分布\(N(μ,σ^2)\)に従うとき、 $$ Z = \frac{X-μ}{σ} $$ と |myg| vav| mnv| ame| ikk| uxi| zhr| rim| piq| oon| udi| vbx| fsx| zyq| ygj| nkt| arg| xbb| tur| rmm| ucm| jwi| zix| cgu| kjf| eji| yxs| lzp| toy| qip| ebk| pdw| ymc| izh| flp| bca| uqt| als| xvy| ndp| awo| sqn| xpl| fdc| gpl| dsb| nhm| arm| xoi| bmt|