【数据分析】笔记--数据预处理 --- 数据标准化处理：z-score standardization

【数据分析】笔记–数据预处理 — 数据标准化处理：z-score standardization

z-score数据标准化处理，是拟合模型前的数据预处理工作，属于数据变换，z-score是将数据缩放到[0,1]的区间，但并不会改变数据的排序和整体规律性(适用于监督学习)。
我在学习数据预处理的时候，一直有些疑惑，因为数据变换改变了值，使原本有意义的数值，变的没有实际意义，但又一想，数值的含义本就是人为的根据业务的定义，而机器是不理解这些人为定义的，对他来说没有意义。

其他的数据标准化处理，也都可以这样理解，就不会那么纠结了。更何况 即使有影响，这个影响也会在后面模型的训练学习过程中 慢慢弱化到很小。

以下是更贴切的描述：
这个缩放像一个人为的先验：即认为所有的特征的贡献是相同的。

“而随着学习不断的学习过程，数据被使用起来了。那么先验的影响会越来越小，最终我们还是可以学到不错的模型。在绝大部分时间来看，“相似的权重”这其实是个不错的先验，毕竟我们可能对于数据的理解是有限的，也不知道哪个特征更重要，默认相同的贡献是有道理的。”

知乎的一个作者关于这块写的挺好的，以下是链接，可以看下：
https://www.zhihu.com/question/427612824/answer/1554456942

总结

总之，不必深究，重在理解 解惑。

---

每天多一点理解，在学习的路上少迷糊一点。