知识分享的归一化与标准化

在数据预处理过程中，标准化（Standardization）与归一化（Normalization）作为两种广泛应用的技术手段，常被用于数据的处理与调整。

为社么要进行标准化和归一化？

1、样本间所具有的特征或属性在数值分布上存在显著差异，这可能引发训练过程无法收敛或产生其他异常状况。

2、当所有数据处于一致的取值范围内时，更有利于实现模型处理流程的标准化与统一化，从而提升模型或数据分析手段的适用性与兼容性。

3、有助于揭示数据背后所蕴含的核心规律与内在特性。

一、归一化（Normalization）

• 对数据进行比例缩放处理 ，使其被限制在某个特定的狭窄范围内 ，一般为**[0, 1]或[-1, 1]**
  • 数据标准化存在多种实现方式，其中应用最为广泛的是最小-最大标准化（Min-Max Normalization）
  • 其对应的数学表达式如下：

其中所呈现的极值数据，皆源自训练集

• 代码实现：

              1. # MinMaxScaler 是