![](https://img-blog.csdnimg.cn/20201014180756928.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
笔记
文章平均质量分 88
data learning
数据挖掘爱好者
展开
-
统计学专业词汇英文翻译中英对照总结汇总(贾俊平 统计学 第七版 )
目录第1章 导论第2章 数据的搜集第3章 数据的图表展示第4章 数据的概括性度量第5章 概率与概率分布第6章 统计量及其抽样分布第7章 参数估计第8章 假设检验第9章 分类数据分析第10章 方差分析第11章 一元线性回归第12章 多元线性回归第13章 时间序列分析和预测第14章 指数第1章 导论descriptive 描述统计inferential statistics 推断统计categorical data 分类数据r原创 2021-03-26 08:26:23 · 8303 阅读 · 0 评论 -
数据标准化之均值方差标准化(原理+Python代码)
一、原理介绍常用的数据标准化方法有最大最小归一化、均值方差标准化、小数定标法、定量特征二值化等。其中,均值方差标准化是一种将数据转化为标准正态分布的标准化方法。在回归模型中,服从正态分布的自变量和因变量往往对应着较好的回归预测效果。均值方差标准化的计算公式为: x′=x−μσ x'=\frac{x-\mu }{\sigma } x′=σx−μ公式中,x表示单个数据的取值,μ\muμ表示对应列的均值,σ\sigmaσ表示对应列的方差二、代码实现#加载模块from sklearn.preproces原创 2021-02-12 23:16:11 · 12854 阅读 · 1 评论 -
数据标准化之最大最小归一化(原理+Pyhon代码)
一、原理介绍通常情况下,在建模之前,都需要对数据进行标准化处理,以消除量纲的影响。如果对未标准化的数据直接进行建模,可能会导致模型对数值大的变量学习过多,而对数值小的变量训练不够充分,往往模型效果会不好。常用的数据标准化方法有最大最小归一化、均值方差标准化、小数定标法、定量特征二值化等。最大最小归一化,顾名思义,就是利用数据列中的最大值和最小值进行标准化处理,标准化后的数值处于[0,1]之间,计算方式为数据与该列的最小值作差,再除以极差。具体公式为:x′=x−minmax−min x'=\frac{x原创 2021-02-12 22:49:46 · 37447 阅读 · 0 评论