归一化 Normalization、标准化 Standardization和中心化
发布网友
发布时间：2024-10-23 16:01
共1个回答
热心网友
时间：2024-11-11 07:22
总结：
归一化：便于不同单位或量级的数据进行比较和加权，把数据映射到0~1范围或-1~1范围
标准化：把数据映射到服从均值为0，方差为1的正态分布
中心化：中心化后数据的均值为0，方差不做要求
为什么要对数据进行归一化、标准化或中心化处理？
1. 提高模型的收敛速度和精度
2. 使不同量纲和数量级的数据可以进行比较和加权
常用的归一化，标准化和中心化的公式有哪些？
归一化：Min-Max Normalization：x'=(x-XMIN)/(XMAX-XMIN)
平均归一化:x'=(x-μ)/(XMAX-XMIN)
标准化：Z-score：z=(x-μ)/σ
中心化：z=x-μ
归一化和标准化分别在哪些场景下使用？
归一化：分类、聚类算法和PCA技术降维时使用，适用于距离度量
标准化：不涉及距离度量、协方差计算，数据不符合正态分布时使用，适用于图像处理和距离敏感算法
