本文探讨了机器学习中数据预处理的两种常见方法——归一化和标准化。归一化将数据压缩到[0,1]范围，适合于正数值模型；标准化则是通过减去均值并除以标准差来转换数据，适用于有正负值的数据。以1，20，500为例，展示了两者在不同尺度数据上的效果。选择哪种方法取决于具体模型的需求。
归一化和标准化基本上是在机器学习里为了统一数据尺度的概念
归一化
normalization：
x
i
−
x
m
i
n
x
m
a
x
−
x
m
i
n
\frac{x_i-x_{min}} {x_{max}-x_{min}}
xmax−xminxi−xmin
将数据压缩到 [0,1]
标准化
standardization： x − m e a n ( x ) s t d ( x ) \frac{x- mean(x)} {std(x)} std(x)x−mean(x)
优缺点
假设有 1， 20， 500 三个数
normalization：
standardization：
注意看纵坐标的尺度；
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
