【Python】算法初级-数据标准化

数据标准化应用在建模前期-数据预处理阶段。

数据标准化的目的是使各指标处于同一量级。

要求数据标准化的模型有：线性回归Linear Regression、逻辑回归Logistic Regression、支持向量机SVM、神经网络Neutral Network等。原因还没太理解，后面再补充。

数据标准化的方法有：
线性函数归一化（Min-Max Scaling）
零均值归一化（Z-score normalization）

• 归一化是标准化的一种。

（1）线性函数归一化（Min-Max Scaling）
对原始数据进行线性变换，将值映射到[0,1]区间，等比例缩放原始数据。
公式：

（2）零均值标准化（Z-score normalization）
将原始数据映射到均值μ 为0，标准差σ 为1的正态分布即高斯分布上。
假设原始数据的均值为μ，标准差为σ。公式：

z-score标准化要求原始数据近似服从高斯分布，只有原始数据近似服从高斯分布，才能把原始数据映射到均值为0、标准差为1的z分布上。如果不服从高斯分布，不适合用z-score标准化。