日志
慎用机器学习中的数据min-max标准化（min-max scaling）和z-score标准化（z-score sta ...
||
慎用机器学习中的数据min-max标准化（min-max scaling）和z-score标准化（z-score standardizd）
因为数据的min-max和z-score标准化使用了“减法”、“除法”。在“减法”、“除法”作用后保持相同性质不变的，一般是线性系统，即同时满足“叠加性additivity or superposition principle”和“齐次性homogeneity”的系统。
实际的机器学习和数据挖掘中，所以研究的对象不一定是线性系统，所以要慎用系统也是数据的min-max和z-score标准化。
（1）非线性系统的局部线性化，很好地适用；
（2）非线性系统的全局分析，可能会引起明显的偏差。
发表评论 评论 (1 个评论)
- 回复 杨正瓴
- 慎用机器学习中的数据min-max标准化（min-max scaling）和z-score标准化（z-score standardizd）
因为数据的min-max和z-score标准化使用了“减法”、“除法”。在“减法”、“除法”作用后保持相同性质不变的，一般是线性系统，即同时满足“叠加性additivity or superposition principle”和“齐次性homogeneity”的系统。
实际的机器学习和数据挖掘中，所以研究的对象不一定是线性系统，所以要慎用系统也是数据的min-max和z-score标准化。
（1）非线性系统的局部线性化，很好地适用；
（2）非线性系统的全局分析，可能会引起明显的偏差。