数值型 归一化 标准化 类别 one-hot编码
缺乏归一化导致部分数据占较大权重，但实际上所有特征都是同等重要
求平方差是会导致尺度较大的数据的影响力进一步提升
Outliers会导致模型向异常方向偏移
标准化 减去平均数 除以标准差 数据的稳定性
有助于取消异常点
标准化对异常值鲁棒性高 适合现在嘈杂环境
插补缺失值 通过平均值 中位数可以按行和列来填补 一般以列也就是特征来填补
奇怪，我怎么记得1才是列S
本文探讨了数值型数据中的归一化和标准化方法，强调了缺乏归一化的潜在问题，如部分特征权重过大。标准化通过消除尺度效应和异常值影响，提高模型稳定性。同时介绍了one-hot编码和缺失值处理策略，如使用平均值或中位数填补。关键概念包括平方差、Outliers、鲁棒性以及不同数据处理技术的应用场景。
扫一扫
131
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
