Una tecnica di pre-elaborazione dei dati che consiste nel riscalare i valori numerici in un
intervallo predefinito e comune, solitamente tra 0 e 1. Lo scopo è portare diverse
misurazioni sulla stessa scala, senza distorcere le differenze relative tra i valori, per evitare
che variabili con range molto ampi dominino gli algoritmi di IA.
Caratteristiche:
Riscala i dati in un range fisso (es. [0, 1] o [-1, 1]).
Mantiene le proporzioni tra i dati originali.
È sensibile ai valori anomali (outliers), che possono "schiacciare" il resto dei
dati.
Fondamentale per molti algoritmi di Machine Learning.
Nel concreto: Per addestrare un'IA a predire un rischio cardiaco, si usano l'età (range
20-90) e il colesterolo (range 150-300). Normalizzando entrambi in un intervallo [0,
1], un'età di 90 anni e un colesterolo di 300 diventano entrambi 1, mentre un'età di
20 e un colesterolo di 150 diventano 0. In questo modo, l'algoritmo li considera su un
piano di parità.