数据标准化

意义：

     1. 数据的量纲不同，数量级别差别很大

     2. 平衡各特征的贡献：距离、协方差，是因为要使各特征贡献一致所以使用标准化

     3. 加快梯度下降求最优解的速度

方法：

   1.min-max标准化：

               比较适用在数值比较集中的情况

               不涉及距离度量、协方差计算、数据不符合正太分布的时候

    2. z-score标准化：

              在分类、聚类，算法中需要使用距离来度量相似性的时候

              使用PCA（协方差分析）技术进行降维的时候

   3. 非线性归一化：

          在数据分化比较大的场景，有些数值很大

           log、指数，正切

适用场景：

       1.分类：KNN

       2.计算距离：聚类，K-means

       3. 梯度优化来获得最优解:   支持向量机(SVM),

                                                    逻辑回归（logistic regression）

                                                    感知器（perception）

                                                    神经网络（neural networks ）

        4.协方差：主成分分析（principal component analysis）

                          线性判别回归（linear discriminant analysis）

                         核主成分分析kernel principal component analysis

          

   

         

转载于:https://www.cnblogs.com/hapyygril/p/9963613.html