均值归一化_归一化和标准化-机器学习

归一化与标准化

归一化和标准化本质上都是一种线性变换。线性变换保持线性组合与线性关系式不变，这保证了特定模型不会失效。

归一化 Normalization

归一化一般是将数据映射到指定的范围，用于去除不同维度数据的量纲以及量纲单位。

常见的映射范围有 [0, 1] 和 [-1, 1] ，最常见的归一化方法就是 Min-Max 归一化 ：

举个例子，判断一个人的身体状况是否健康，那么我们会采集人体的很多指标，比如说：身高、体重、红细胞数量、白细胞数量等。

一个人身高 180cm，体重 70kg，白细胞计数

衡量两个人的状况时，白细胞计数就会起到主导作用从而 遮盖住其他的特征 ，归一化后就不会有这样的问题。

标准化 Normalization

英文翻译的问题：

归一化和标准化的英文是一致的，但是根据其用途(或公式)的不同去理解(或翻译)

最常见的标准化方法： Z-Score 标准化

标准化的输出范围不受限制,对异常值有更好的处理

其中

是样本数据的 均值(mean) ， 是样本数据的 标准差(std) 。

上图则是一个散点序列的标准化过程： 原图->减去均值->除以标准差

归一化和标准化的区别：

归一化和标准化的本质都是缩放和平移，他们的区别直观的说就是归一化的缩放是 “拍扁” 统一到区间(0-1)，而标准化的缩放是更加 “弹性” 和 “动态” 的，和整体样本的分布有很大的关系。

常见的归一化方法：

常见的标准化方法：

从输出范围角度来看， 归一化的输出结果必须在 0-1 间。而标准化的输出范围不受限制，通常情况下比归一化更广

标准化与归一化的应用场景：

• 一般情况下，如果对输出结果范围有要求，用归一化
• 如果数据较为稳定，不存在极端的最大最小值，用归一化
• 如果数据存在异常值和较多噪音，用标准化，可以间接通过中心化 避免异常值和极端值 的影响
• 在机器学习中， 标准化是更常用 的手段，归一化的应用场景是有限的，原因就在于二者的区别：标准化更好保持了样本间距。当样本中有异常点时，归一化有可能将正常的样本“挤”到一起去，对异常值和极端值处理的并不好标准化更符合统计学假。对一个数值特征来说，很大可能它是服从正态分布的。标准化其实是基于这个隐含假设，只不过是将这个正态分布调整为均值为0，方差为1的标准正态分布而已