什么是數(shù)據(jù)的標(biāo)準(zhǔn)化？

數(shù)據(jù)標(biāo)準(zhǔn)化的意義：

1、數(shù)據(jù)的量綱不同；數(shù)量級(jí)差別很大。

經(jīng)過標(biāo)準(zhǔn)化處理后，原始數(shù)據(jù)轉(zhuǎn)化為無量綱化指標(biāo)測(cè)評(píng)值，各指標(biāo)值處于同一數(shù)量級(jí)行森別，可進(jìn)行綜合測(cè)評(píng)分析。

如果直接用原始指標(biāo)值進(jìn)行分析，就會(huì)突出數(shù)值較高的指標(biāo)在綜合分析中的作用，相對(duì)削弱數(shù)值水平較低指標(biāo)的作用。

2、螞帶扮避免數(shù)值問題：太大的數(shù)會(huì)引發(fā)數(shù)值悶灶問題。

3、平衡各特征的貢獻(xiàn)。

一些分類器需要計(jì)算樣本之間的距離（如歐氏距離），例如KNN。

如果一個(gè)特征值域范圍非常大，那么距離計(jì)算就主要取決于這個(gè)特征，從而與實(shí)際情況相悖（比如這時(shí)實(shí)際情況是值域范圍小的特征更重要）。

4、一些模型求解的需要：加快了梯度下降求最優(yōu)解的速度。

數(shù)據(jù)標(biāo)準(zhǔn)化的方法：

1、Min-Max標(biāo)準(zhǔn)化。

2、標(biāo)準(zhǔn)差標(biāo)準(zhǔn)化，也叫z-score標(biāo)準(zhǔn)化。

3、非線性歸一化。