知识卡片
标准化和区间缩放
标准化用训练集每列的均值和标准差计算 (x−均值)/标准差,改变中心与尺度,保留原来的分布形状。最小最大缩放用训练集极值把训练样本映射到预定区间,对离群值敏感,新样本还可能超出该区间。验证与生产应复用训练集统计量。
这张卡片看不懂?
这张卡片已通过人工审查,不再接受失败反馈。
已有反馈 · 0 条
还没有人提交反馈。
在整书笔记中的位置
原书出处 · 1 处
- 机器学习中的数据预处理 2.2.1 · 查看原书依据
标准化后数据的均值=0,标准差=1,因而标准化的数据可正可负,只不过归一化是将数据映射到了[0,1]这个区间中。
参考来源
- 位置:《AI制胜:机器学习极简入门》第2章 机器学习中的数据预处理 §2.2.1(来源项目 book-source:extracted/AI制胜:机器学习极简入门/_epub-src/OEBPS/Text/chapter2.xhtml#isbn9787302555513_2_1_2_1)
- 结论依据:原文对照 StandardScaler 和 MinMaxScaler,提到异常值敏感性。书中将标准化说成变为正态分布,此处按变换本身说明。
- 原始内容:标准化后数据的均值=0,标准差=1,因而标准化的数据可正可负,只不过归一化是将数据映射到了[0,1]这个区间中。