Yapay sinir ağlarında kullanılan normalizasyon tekniklerinin tahmin algoritmasına etkisinin karşılaştırılması

Yapay sinir ağı gibi karmaşık olan modellerin eğitilmesinde ve etkili çıktı değerlerinin alınmasında veri seti normalizasyon işlemi büyük öneme sahiptir. Yapay sinir ağlarının başarılı sonuçlar üretmesi, ağın genelleme yeteneğine, öğrenme sürecine, optimizasyon algoritmalarının etkili şekilde çalışmasına bağlıdır ve yapılan çalışmalarda veri seti normalizasyon işlemi bu durumlara olumlu etki sağlamaktadır. Ancak veri setine uygulanacak olan normalizasyon işlemi seçimi de kritik bir konudur. Her veri setinde aynı normalizasyon işleminin uygulanması aynı performans değerini vermemektedir. Veri setine uygun normalizasyon işlemi seçerken belirli bir kural bulunmamaktadır. Bu çalışmada, ham veri setlerine minimum-maksimum, d-minimum-maksimum, z skor, ondalık, medyan, sigmoidal ve norm normalizasyon olmak üzere toplamda 7 farklı normalizasyon teknikleri uygulanarak normalizasyon işlemlerinin yapay sinir ağlarının tahmin performansına olan etkisi üzerinde karşılaştırma işlemi yapılmıştır. Çalışmada kullanılan veri setleri, University of California, Irvine (UCI) açık veri setlerinden alınmıştır. Yapılan çalışma sonucunda, normalizasyon tekniklerinin modelin performansına olumlu etkisi olduğu görülmüştür ancak her veri setinin dağılımları aynı olmadığından dolayı veri setine uygun olan normalizasyon tekniği de değişmektedir.