การปรับขนาดฟีเจอร์เป็นวิธีการที่ใช้ในการเรียนรู้ของเครื่องสำหรับการประมวลผลข้อมูลล่วงหน้า วิธีการนี้ใช้ในการทำให้ช่วงของตัวแปรอิสระในข้อมูลหรือคุณลักษณะเป็นปกติ เพื่อให้ข้อมูลควรมีคุณสมบัติของการแจกแจงแบบปกติมาตรฐานโดยมีค่าเฉลี่ยเป็น 0 และค่าเบี่ยงเบนมาตรฐานเป็น 1 หรือที่เรียกว่าการลดข้อมูล หรือการทำให้ข้อมูลเป็นมาตรฐาน
โดยทั่วไปการปรับขนาดคุณลักษณะจะดำเนินการหลังจากการปรับค่าเฉลี่ยค่าเฉลี่ย และเป็นกระบวนการแบ่งแต่ละคุณลักษณะ (คอลัมน์ในเมทริกซ์ข้อมูล) ในชุดข้อมูลด้วยค่าคงที่ที่แน่นอน ใช้เพื่อหลีกเลี่ยงปัญหาตัวเลขที่อาจเกิดขึ้นของแบบจำลองโดยการลดค่าตัวเลขของตัวแปรแต่ละตัวให้เหลือน้อยที่สุดให้อยู่ในช่วงที่เหมาะสม เทคนิคนี้สามารถนำไปใช้เพื่อเพิ่มความเร็วอัตราการลู่เข้าสำหรับอัลกอริธึมที่มีราคาแพงในการคำนวณ
การปรับขนาดฟีเจอร์หลักสองประเภทที่ใช้ในการเรียนรู้ของเครื่องคือ:
* การทำให้เป็นมาตรฐาน: เทคนิคนี้จะปรับขนาดค่าให้เป็นไปตามการแจกแจงแบบเกาส์เซียน (หรือที่เรียกว่าเส้นโค้งระฆัง) โดยมีค่าเฉลี่ยเป็น 0 และส่วนเบี่ยงเบนมาตรฐานเป็น 1 เทคนิคนี้ใช้ในอัลกอริทึมที่ต้องการการผกผันของข้อมูล เช่น ระยะทางผกผัน- การประมาณค่าแบบถ่วงน้ำหนักและวิธีการเรียนรู้แบบเคอร์เนล
* การทำให้เป็นมาตรฐาน: เทคนิคนี้จะเปลี่ยนค่าของคอลัมน์ตัวเลขในชุดข้อมูลให้เป็นมาตราส่วนทั่วไป ซึ่งโดยปกติจะเป็น 0 ถึง 1 ซึ่งบางครั้งเรียกว่ามาตราส่วนต่ำสุด-สูงสุด เนื่องจากจะนำค่าทั้งหมดในคุณลักษณะที่ตั้งค่าไว้ในช่วงเฉพาะด้วย ( โดยปกติจะเป็น 0 ถึง 1) เทคนิคนี้มักใช้ในโครงข่ายประสาทเทียมเพื่อการฝึกอบรมที่มีประสิทธิภาพ
นอกเหนือจากการปรับขนาดฟีเจอร์หลักทั้งสองประเภทนี้แล้ว วิธีการประมวลผลล่วงหน้ามาตรฐานบางวิธียังใช้สำหรับอัลกอริธึมการเรียนรู้ของเครื่องบางอย่างอีกด้วย ตัวอย่างเช่น การทำให้ข้อมูลลอการิทึมเป็นมาตรฐานสำหรับอัลกอริทึมแผนผังการตัดสินใจมักใช้เพื่อปรับปรุงความแม่นยำ ในทำนองเดียวกัน การปรับขนาดและการจัดศูนย์กลางข้อมูลสำหรับโครงข่ายประสาทเทียมจะทำเพื่อหลีกเลี่ยงปัญหาด้านตัวเลขที่อาจเกิดขึ้น
การปรับขนาดฟีเจอร์เป็นขั้นตอนก่อนการประมวลผลที่จำเป็นสำหรับอัลกอริธึมแมชชีนเลิร์นนิงหลายๆ ตัว การไม่ดำเนินการขั้นตอนนี้อาจนำไปสู่ผลลัพธ์ที่ไม่ถูกต้องเนื่องจากความผิดปกติของข้อมูล นอกจากนี้ยังช่วยปรับปรุงความแม่นยำของแบบจำลองด้วยการทำให้ชุดข้อมูลเป็นเนื้อเดียวกันและประมวลผลได้ง่ายยิ่งขึ้น
