归一化 (Normalization)、标准化 (Standardization)和中心化/零均值化 (Zero-centered)

博主学习的源头,感谢!https://www.jianshu.com/p/95a8f035c86c

 

归一化 (Normalization)、标准化 (Standardization)和中心化/零均值化 (Zero-centered)
归一化:1)把数据变成(0,1)或者(1,1)之间的小数。
标准化:使每个特征中的数值平均变为0(将每个特征的值都减掉原始资料中该特征的平均)、标准差变为1
中心化:平均值为0,对标准差无要求
归一化和标准化的区别:归一化是将样本的特征值转换到同一量纲下把数据映射到[0,1]或者[-1, 1]区间内,仅由变量的极值决定,因区间放缩法是归一化的一种。标准化是依照特征矩阵的列处理数据,其通过求z-score的方法,转换为标准正态分布,和整体样本分布相关,每个样本点都能对标准化产生影响。

标准化和中心化的区别:标准化是原始分数减去平均数然后除以标准差,中心化是原始分数减去平均数。 所以一般流程为先中心化再标准化。
什么时候用归一化?什么时候用标准化?
??(1)如果对输出结果范围有要求,用归一化。
??(2)如果数据较为稳定,不存在极端的最大最小值,用归一化。
??(3)如果数据存在异常值和较多噪音,用标准化,可以间接通过中心化避免异常值和极端值的影响。

哪些模型必须归一化/标准化?SVM KNN 神经网络(数值问题、求解需要【初始化、梯度、学习率、搜索轨迹】) PCA

你可能感兴趣的:(归一化 (Normalization)、标准化 (Standardization)和中心化/零均值化 (Zero-centered))