关于数据归一化和标准化

简介

数据归一化（Normalization）和数据标准化（Standardization）是数据预处理中的两种常用技术，它们都用于将数据调整到相同的尺度，以便于进行比较和分析。尽管它们的目的相似，但它们在处理数据的方式上有所不同：

数据归一化（Normalization）：

目的：

将数据缩放到一个指定的范围，通常是[0, 1]或[-1, 1]。
方法：使用公式
(x−min)/(max−min)，其中 x 是原始数据

特点：

对数据的分布形状没有影响，只是将数据缩放到指定的范围。

适用场景：

当需要将数据限制在特定范围内，或者当数据的最大值和最小值已知且重要时。

数据标准化（Standardization）：

目的：

将数据的均值（mean）调整为0，标准差（standard deviation）调整为1。
方法：使用公式
(x−μ)/σ，其中
x 是原始数据，
μ 是数据的均值，
σ 是数据的标准差。

特点：

改变了数据的分布，使其符合标准正态分布，即均值为0，标准差为1。

适用场景：

当需要保持数据的原始分布和异常值信息时，或者在应用基于距离的算法（如K-近邻、K-均值聚类）时。

总结来说，数据归一化是将数据缩放到一个固定的范围，而数据标准化是将数据调整为均值为0，标准差为1的分布。选择哪种方法取决于具体的应用场景和算法需求。