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

归一化通常是将数据映射到指定的范围，用于去除不一样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] ，最多见的归一化方法就是 Min-Max 归一化：

举个例子，判断一我的的身体情况是否健康，那么咱们会采集人体的不少指标，好比说：身高、体重、红细胞数量、白细胞数量等。

一我的身高 180cm，体重 70kg，白细胞计数

衡量两我的的情况时，白细胞计数就会起到主导做用从而遮盖住其余的特征，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，可是根据其用途（或公式）的不一样去理解（或翻译）

最多见的标准化方法： 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，和总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，一般状况下比归一化更广

标准化与归一化的应用场景：

• 通常状况下，若是对输出结果范围有要求，用归一化

• 若是数据较为稳定，不存在极端的最大最小值，用归一化

• 若是数据存在异常值和较多噪音，用标准化，能够间接经过中心化避免异常值和极端值的影响

• 在机器学习中，标准化是更经常使用的手段，归一化的应用场景是有限的，缘由就在于两者的区别：

  • 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”到一块儿去，对异常值和极端值处理的并很差
  • 标准化更符合统计学假。对一个数值特征来讲，很大可能它是服从正态分布的。标准化实际上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