机器学习特征工程--标准化和归一化

关于归一化和标准化

1.标准化使用条件

（1）不需要对特征进行归一化：基于树模型的方法

举例：  随机森林/bagging/boosting/xgboost

1. 需要标准化的（基于距离的模型）：回归分析（逻辑回归）/神经网络 / svm

2.相关定义

什么叫归一化（标准化）：归一化化就是要把你需要处理的数据经过处理后（通过某种算法）限制在你需要的一定范围内。

为什么要归一化（标准化）：

一是，为了后面数据处理的方便，把不同量纲的东西放在同一量纲下比较，即把不同来源的数据统一到一个参考系下，这样比较起来才有意义。

简单的举个例子：一张表有两个变量，一个是体重kg，一个是身高cm。假设一般情况下体重这个变量均值为60（kg），身高均值为170（cm）。1，这两个变量对应的单位不一样，同样是100，对于身高来说很矮，但对于体重来说已经是超重了。另外，单位越小，数值越大，对结果的影