Vector normalizado

En el ámbito de la inteligencia artificial (IA) y el machine learning, se refiere a un vector cuya magnitud ha sido ajustada para que su longitud sea igual a 1, conservando su dirección original.

El proceso de normalización es fundamental para asegurar que las características de los datos tengan una escala uniforme, evitando que aquellas de mayor magnitud dominen indebidamente los cálculos.

Se utiliza ampliamente en algoritmos de procesamiento de datos y aprendizaje automático, como redes neuronales o modelos de regresión que dependen de medidas de distancia, para mejorar la estabilidad numérica y la precisión.

La normalización se realiza dividiendo cada componente del vector por su magnitud, calculada como la raíz cuadrada de la suma de los componentes al cuadrado (norma Euclidiana).