数据预处理中，标准化和归一化是常见的数值缩放技术，用于解决特征间量纲不一致的问题。最大-最小规范化将数据映射到[0,1]区间，而Z-Score标准化则使数据符合均值为0、标准差为1的正态分布。这两种方法能提升模型精度，加速模型收敛。线性回归、逻辑回归、SVM、神经网络等需要归一化，而决策树、随机森林等则通常不需要。归一化对离群值敏感，而标准化对异常值有更强的鲁棒性。"
113147915,10544046,MySQL用户表切分：何时与如何操作,"['MySQL', '数据库设计', '性能优化', '分库分表', '数据切分策略']
数据预处理
数据中不同特征的量纲可能不一致，数值间的差别可能很大，不进行处理可能会影响到数据分析的结果，因此，需要对数据按照一定比例进行缩放，使之落在一个特定的区域，便于进行综合分析。
常用的方法有两种：
最大 - 最小规范化：对原始数据进行线性变换，将数据映射到[0,1]区间
Z-Score标准化：将原始数据映射到均值为0、标准差为1的分布上
为什么要标准化/归一化？
提升模型精度：标准化/归一化后，不同维度之间的特征在数值上有一定比较性，可以大大提高分类器的准确性。
加速模型收敛：标准化/归一化后，最优解的寻优过程明显会变得平缓，更容易正确的收敛到最优解。
如下图所示：
4155
898
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
最低0.47元/天 解锁文章
扫一扫
