जवाबों:
यदि आप सामान्यीकरण ([0,1] में निचोड़) लागू करते हैं, तो आपके पास सापेक्ष चर महत्व का एक माप होगा लेकिन यह आपके चर के पैमाने को बदल देगा और आप सभी मॉडल व्याख्या को खो देंगे। मानकीकरण का लाभ यह है कि आप अभी भी मॉडल की व्याख्या कर सकते हैं जैसा कि आप अनियमित ओएलएस प्रतिगमन के साथ करेंगे (यह पहले से ही उत्तर दिया गया है )।
नियमितीकरण के तरीकों के लिए सामान्यीकरण बहुत महत्वपूर्ण है। ऐसा इसलिए है क्योंकि चर का पैमाना इस बात को प्रभावित करता है कि विशिष्ट चर पर नियमितीकरण कितना लागू होगा।
उदाहरण के लिए, मान लीजिए कि एक चर बहुत बड़े पैमाने पर है, लाखों का क्रम कहें और दूसरा चर 0 से 1 तक है। तब, हम सोच सकते हैं कि नियमितीकरण का पहले चर पर बहुत कम प्रभाव पड़ेगा।
साथ ही हम सामान्यीकरण करते हैं, इसे 0 से 1 तक सामान्य करते हैं या सुविधाओं को मानकीकृत करते हैं बहुत ज्यादा मायने नहीं रखता है।