归一化、标准化区别的通俗说法
2017-12-11 19:06
330 查看
所谓“归一”,注意“一”,就是把数据归到(0,1)这个区间内。
常用的方法有: min-max归一化y=(x-min)/(max-min)
所谓“标准”,就是标准正态分布,把数据转换成标准正态分布。
常用的方法有:z-score标准化,即零-均值标准化,y=(x-μ)/σ
两者的区别在于:
归一化是为了消除不同数据之间的量纲,方便数据比较和共同处理,比如在神经网络中,归一化可以加快训练网络的收敛性;标准化是为了方便数据的下一步处理,而进行的数据缩放等变换,并不是为了方便与其他数据一同处理或比较,比如数据经过零-均值标准化后,更利于使用标准正态分布的性质,进行处理
常用的方法有: min-max归一化y=(x-min)/(max-min)
所谓“标准”,就是标准正态分布,把数据转换成标准正态分布。
常用的方法有:z-score标准化,即零-均值标准化,y=(x-μ)/σ
两者的区别在于:
归一化是为了消除不同数据之间的量纲,方便数据比较和共同处理,比如在神经网络中,归一化可以加快训练网络的收敛性;标准化是为了方便数据的下一步处理,而进行的数据缩放等变换,并不是为了方便与其他数据一同处理或比较,比如数据经过零-均值标准化后,更利于使用标准正态分布的性质,进行处理
相关文章推荐
- 用通俗的话语说说jdbc、dao、hibernate的区别
- MATLAB数据矩阵单位化,归一化,标准化
- 归一化与标准化
- 关于使用sklearn进行数据预处理 —— 归一化/标准化/正则化
- python numpy和pandas包实现归一化和标准化
- preprocessing(归一化/标准化/正则化)
- 通俗解释云计算 煤气罐子与管道煤气的区别
- 数据的中心化、标准化和归一化
- [ 转]数据归一化和两种常用的归一化方法:极小极大标准化,0均值1标准差标准化
- 特征工程(三) 数据标准化和归一化
- 同步与异步的区别(通俗)
- [置顶] python归一化、标准化、正则化
- 学习曲线通俗的说法就是“熟能生巧”
- 通俗理解T检验与F检验的区别
- 数据的归一化(Normalization)、标准化(Standardization)
- 统计数据归一化与标准化
- 【原】通俗说法所谓数码相机的“动态像素”和“静态像素”背后的故事
- [置顶] 浅谈javascript之事件、函数、方法、对象 各代表何含义,通俗解释及其之间的关联与区别
- 关于使用sklearn进行数据预处理 —— 归一化/标准化/正则化
- 数据预处理之数据无量纲化(标准化/归一化)