生成AIパスポート 用語集機械学習
正規化とはせいきか
英語Normalization分野機械学習出題重要度★★☆公式テキスト公式テキスト 第3章「画像生成AI」
解説：村井宗明（GUGA協議員・元文部科学大臣政務官・AIエンジニア）｜公開 ｜更新
正規化の意味
正規化とは、データの前処理の一つで、項目ごとにばらばらな値の範囲や単位（尺度）を一定の基準にそろえ、モデルが学習しやすくするための処理です。たとえば0〜255の値をとる画像の色の数値を0〜1の範囲に変換するのが典型例です。公式テキストでは、画像データの前処理としてリサイズやデータ拡張と並んで挙げられています。
生成AIパスポート試験の対策なら → 無料の合格アプリ
詳しい解説
データの中に、0〜1の範囲で動く項目と、数万単位で動く項目が混在していると、モデルは数値の大きい項目ばかりを重視してしまい、学習がうまく進まないことがあります。正規化で尺度をそろえれば、各項目を公平に扱えるようになり、学習の安定や効率化につながります。
画像の場合、各ピクセルの色はRGBそれぞれ0〜255の数値で表されることが多く、これを0〜1の範囲に割り算で縮めるといった処理がよく行われます。
注意したいのは、名前のよく似た「正則化」との違いです。正則化はモデルの複雑さを抑えて過学習を防ぐ手法であり、データの尺度をそろえる正規化とは目的がまったく異なります。
試験のポイント
- 前処理の一つで、データの値の範囲や尺度をそろえる
- 画像の前処理として「リサイズ」「データ拡張」と並んで挙げられる
- 「正則化（過学習対策）」との混同を狙ったひっかけに注意
正規化の確認問題（○×）
正規化は、モデルのパラメータを制限して複雑さを抑え、過学習を防ぐための手法である。
答えと解説を見る
答え：×
それは正則化の説明です。正規化は、データの値の範囲や尺度をそろえる前処理です。
生成AIパスポート 用語集（全407語）のトップに戻る
