以下哪些机器学习算法可以不对特征做归一化处理：

以下哪些机器学习算法可以不对特征做归一化处理？

提示：

---

题目

以下哪些机器学习算法可以不对特征做归一化处理：
随机森林
逻辑回归
SVM
GBDT

---

二、解题

归一化不是由方法决定的，而是由数据决定的

树模型一般不需要做归一化处理，
做归一化处理的目的主要为了使同一特征的取值在同一量纲，降低方差太大带来的影响。

树模型并不关心特征的具体取值，只关心特征取值的分布。
概率模型不需要归一化，因为它们不关心变量的量纲，而是关心变量的分布和变量之间的条件概率，如决策树，GBDT

GBDT的树是在上一颗树的基础上通过梯度下降求解最优解，归一化能收敛的更快。所以可以不归一化，但收敛变慢

---

总结

提示：重要经验：

1）概率模型不需要归一化，因为它们不关心变量的量纲，而是关心变量的分布和变量之间的条件概率，如决策树，GBDT
3）笔试求AC，可以不考虑空间复杂度，但是面试既要考虑时间复杂度最优，也要考虑空间复杂度最优。