Max-Min Normalization은 데이터를 일정 범위로 조정하는 방법으로, 특히 데이터의 스케일이 크게 차이나는 경우에 유용합니다. 이 방법은 데이터 포인트를 0과 1 사이의 값으로 조정하여 모든 데이터를 동일한 범위로 맞춰줍니다.

다음은 Max-Min Normalization을 사용하는 예제 코드입니다.

# 필요한 라이브러리 임포트
import numpy as np

# 입력 데이터 초기화
data = np.array([2, 5, 10, 15, 20])

# Max-Min Normalization 함수
def max_min_normalization(data):
    min_val = np.min(data)
    max_val = np.max(data)
    normalized_data = (data - min_val) / (max_val - min_val)
    return normalized_data

# Max-Min Normalization 적용
normalized_data = max_min_normalization(data)

print(f"입력 데이터: {data}")
print(f"정규화된 데이터: {normalized_data}")

위의 코드는 입력 데이터 [2, 5, 10, 15, 20]를 Max-Min Normalization을 통해 정규화합니다. max_min_normalization 함수는 입력 데이터의 최소값과 최대값을 구한 뒤, 각 데이터 포인트를 최소값을 빼고 최대값에서 최소값을 뺀 값으로 나누어 정규화된 값을 계산합니다.

출력 결과는 다음과 같이 나타납니다.

입력 데이터: [2 5 10 15 20]
정규화된 데이터: [0.   0.15 0.5  0.75 1.  ]

이와 같이 Max-Min Normalization을 사용하여 데이터를 일정 범위로 조정할 수 있습니다.

#datascience #normalization