離散化

特徴量エンジニアリングの手法の一つで、各値から平均を引いて標準偏差で割り、平均0・分散1にそろえる変換。単位や桁の異なる特徴量を同じ尺度で比較でき、距離を使う手法（k-means法、k近傍法など）や勾配降下法による学習が安定する。最小値0・最大値1の範囲に収めるmin-max正規化と区別する。

特徴量エンジニアリングの手法の一つで、数値をしきい値で区切って0と1の2値に変換すること。「購入金額が1万円以上か」のように、量の大小よりも条件を満たすかどうかに意味がある場合に使い、外れ値の影響も抑えられる。画像処理では、画素の濃淡をしきい値で白と黒に分ける処理を指す。

データの値をその対数に置き換える変換。所得や売上金額のように、少数の大きな値に引っ張られて右に裾の長い分布を正規分布に近い形に整え、外れ値の影響を和らげる。掛け算の関係を足し算の関係として扱える利点もあるが、0や負の値はそのままでは変換できないため、1を加えるなどの工夫が要る。