注册 登录
国家科技成果网 返回首页

杨正瓴的个人空间 http://www.tech110.net/?11851 [收藏] [复制] [分享] [RSS]

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 ...

已有 339 次阅读2018-6-22 16:01 |系统分类:科学探索| 机器学习, 数据, min-max, scaling, z-score

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-maxz-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-maxz-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 2018-6-22 16:04
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。

facelist

您需要登录后才可以评论 登录 | 注册

Copyright 2001-2020 All Rights Reserved© 国科网 版权所有
国家科技成果信息服务平台 主管单位:国家科学技术奖励工作办公室
京ICP备09035943号-33 京公网安备110401400097
在线客服系统