标准化（standardization，z-score）与归一化（Normalizer）分别是什么？有什么区别？
Posted Data+Science+Insight
tags:
篇首语：本文由小常识网(cha138.com)小编为大家整理，主要介绍了标准化（standardization，z-score）与归一化（Normalizer）分别是什么？有什么区别？相关的知识，希望对你有一定的参考价值。
标准化（standardization，z-score）与归一化（Normalizer）分别是什么？有什么区别？
首先因为翻译以及各种原因这两个东西很多情况下是一锅粥的状态；我们今天以sklearn中提供的API来做一个统一的说明：
标准化（standardization，z-score）从列的角度来处理特征数据
标准化是依照特征矩阵的列处理数据，其通过求z-score的方法，将样本的特征值转换到同一量纲下。
标准的的标准方法是StandardScaler、RobustScaler、MinMaxScaler、MaxAbsScaler等；
标准化的好处是将特征统一在同一个量刚下，然后梯度下降的求解会更容易更快速；
- 使不同量纲的特征处于同一数值量级，减少方差大的特征的影响，使模型更准确。
- 加快学习算法的收敛速度。
归一化（Normalizer）从行的角度来处理样本数据：
查看sklearn API中Normalizer的定义：
Normalize samples individually to
以上是关于标准化（standardization，z-score）与归一化（Normalizer）分别是什么？有什么区别？的主要内容，如果未能解决你的问题，请参考以下文章
R使用dplyr包对变量特征进行标准化（standardize）缩放操作
标准化（standardization，z-score）与归一化（Normalizer）分别是什么？有什么区别？
归一化 （Normalization）标准化 （Standardization）和中心化/零均值化 （Zero-centered）