explicar o significado e o objetivo da normalização de L2

Deixe-me dizer desde o início que sou muito novo em aprendizado de máquina e não sou bom em matemática. Entendo o que o TF-IDF faz, mas no livro que estou lendo, também observa o seguinte (está discutindo como o scikit-learn faz as coisas):

As duas classes [TfidfTransformer e TfidfVectorizer] também aplicam a normalização L2 após calcular a representação tf-idf; em outras palavras, eles redimensionam a representação de cada documento para ter a norma euclidiana 1. O redimensionamento dessa maneira significa que o comprimento de um documento (o número de palavras) não altera a representação vetorizada.

É tudo o que tem a dizer sobre o assunto. O que eu acho que significa, e me avise se eu estiver errado, é que escalamos os valores para que, se todos fossem ao quadrado e somados, o valor seria 1 (peguei essa definição em http://kawahara.ca / como normalizar-vetores-para-norma-de-unidade-em-python / ).

Portanto, a ideia é que os valores dos recursos se tornem proporcionais entre si. Não tenho muita certeza de como isso seria útil para o modelo. Ajuda o classificador geral a aprender se alguns exemplos não têm um número total maior de "recursos ativados" do que outros?

Além disso, aqui está uma pergunta básica: a normalização L2 tem algo a ver com a regularização L2? Talvez seja apenas o fato de ambos envolverem termos quadrados e somados?

Qualquer que seja o insight que você possa compartilhar, seria muito apreciado!

escalamos os valores para que, se todos estivessem ao quadrado e somados, o valor seria 1

Está correto.

Não tenho muita certeza de como isso seria útil para o modelo, embora

Considere um caso mais simples, onde apenas contamos o número de vezes que cada palavra aparece em cada documento. Nesse caso, dois documentos podem parecer diferentes simplesmente porque têm comprimentos diferentes (o documento mais longo contém mais palavras). Mas, estamos mais interessados ​​no significado do documento e o tamanho não contribui para isso. A normalização permite considerar a frequência das palavras em relação uma à outra, enquanto remove o efeito da contagem total de palavras.

A normalização L2 tem algo a ver com a regularização L2?

A regularização L2 opera nos parâmetros de um modelo, enquanto a normalização L2 (no contexto que você está perguntando) opera na representação dos dados. Eles não estão relacionados em nenhum sentido significativo, além do fato superficial de que ambos exigem o cálculo das normas L2 (somando termos ao quadrado, como você diz).

Mas observe que a normalização de L2 é uma operação genérica e pode ser aplicada em contextos além do que você está perguntando. Existem situações em que se pode estabelecer uma conexão entre os dois conceitos, mas acho que está além do escopo desta questão.