归一化和标准化的差别在哪里?

Posted 烧鸭饭真好吃

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了归一化和标准化的差别在哪里?相关的知识,希望对你有一定的参考价值。

归一化:对原始数据进行线性变换把数据映射到[0,1]之间

  

标准化:均值为0,标准差为1

 

 

One disadvantage of normalization over standardization is that it loses some information in the data, especially about outliers.

归一化的缺点是,它会丢失一些信息,特别对于那些异常的点

 

这个作者推荐使用standardization标准化,如果你无法判断。 而且他认为你应该对其他的feature也都使用标准化。

我还真的无法判断。

 

另,---------------

在coursera教程第二节里,

theta和b之间的数量级差了快100倍,

b可以看成是一列值为1的feature,

而另外两列 feature都在80左右上下浮动,

所以这里差了80多倍,给训练带来了极大的麻烦

 

极大的

 

sklearn preprocessing 

from  sklearn import preprocessing  
scaler=preprocessing.StandardScaler().fit(X)  
X=scaler.transform(X)  
xNew=scaler.transform(xNew) 

  

以上是关于归一化和标准化的差别在哪里?的主要内容,如果未能解决你的问题,请参考以下文章

归一化和标准化的一些理解

归一化和标准化的使用场景以及归一化和标准化有没有改变数据分布

聊聊 归一化和标准化

数据标准化和数据归一化有啥区别吗?

数据归一化和两种常用的归一化方法

MATLAB中神经网络建模中的归一化和非归一化