【sklearn】数据预处理——标准化和归一化方法及其作用

参考

参考1

标准化

• 作用：标准化则是将数据按照比例缩放，使之放到一个特定区间中。标准化后的数据的均值＝0，标准差＝1，因而标准化的数据可正可负。
• 目的：多指标评价体系中，由于各评价指标的性质不同，通常具有不同的量纲和数量级。当各指标间的水平相差很大时，如果直接用原始指标值进行分析，就会突出数值较高的指标在综合分析中的作用，相对削弱数值水平较低指标的作用。因此，为了保证结果的可靠性，需要对原始指标数据进行标准化处理。

作者：硌手小石头
链接：https://www.jianshu.com/p/fa73a07cd750
来源：简书
著作权归作者所有。商业转载请联系作者获得授权，非商业转载请注明出处。

• 常用方法：

1. min_max标准化（离差标准化）
   新数据=（原数据-最小值）/（最大值-最小值）
2. z-score标准化

该种归一化方式要求原始数据的分布可以近似为高斯分布，否标准化的效果会变得很糟糕。它们可以通过现有样本进行估计。在已有样本足够多的情况下比较稳定，适合现代嘈杂大数据场景。

标准化和归一化的区别与联系

数据的标准化（normalization）是将数据按比例缩放，使之落入一个小的特定区间。在某些比较和评价的指标处理中经常会用到，去除数据的单位限制，将其转化为无量纲的纯数值，便于不同单位或量级的指标能够进行比较和加权。其中最典型的就是数据的归一化处理，即将数据统一映射到[0,1]区间上。