การปรับมาตรฐานในบริบทของการเรียนรู้ของเครื่องเป็นเทคนิคสำคัญที่ใช้เพื่อปรับปรุงประสิทธิภาพการสรุปทั่วไปของแบบจำลอง โดยเฉพาะอย่างยิ่งเมื่อต้องจัดการกับข้อมูลที่มีมิติสูงหรือแบบจำลองที่ซับซ้อนซึ่งมีแนวโน้มที่จะเกิดการโอเวอร์ฟิตติ้ง การโอเวอร์ฟิตติ้งเกิดขึ้นเมื่อแบบจำลองเรียนรู้ไม่เพียงแค่รูปแบบพื้นฐานในข้อมูลฝึกอบรมเท่านั้น แต่ยังรวมถึงสัญญาณรบกวนด้วย ส่งผลให้ประสิทธิภาพลดลง