规范化包括标准化、正则化、归一化
规范化”(normalization)是将不同变化范围的值映射到相同的固定范围中,常见的是[0,1],此时亦称“归一化

规范化定义的操作很广,一个数据集随便加减某个数(shift),随便乘除某个数(scale),或者这两个操作进行组合,都可以是规范化。

标准化(standardization):将数据处理成均值为0,方差为1的一批数据,处理后数据的取值范围是 ( + ∞ , − ∞ ) \left (+\infty, -\infty \right ) (+∞,−∞)

归一化(normaliation):是将数据的范围归整到(0,1)或者(-1,1)。

归一化与标准化分别应何时使用:
(1)如果对输出结果范围有要求,用归一化。
(2)如果数据较为稳定,不存在极端的最大最小值,用归一化。
(3)如果数据存在异常值和较多噪音,用标准化,可以间接通过中心化避免异常值和极端值的影响。

归一化和标准化都属于四种Feature scaling(特征缩放):
Rescaling(min-max normalization):
x ′ = x − m i n ( x ) m a x ( x ) − m i n ( x ) {x}'=\frac{x-min\left ( x \right )}{max\left ( x \right )-min\left ( x \right )} x′=max(x)−min(x)x−min(x)​
Mean normalization :
x ′ = x − m e a n ( x ) m a x ( x ) − m i n ( x ) {x}'=\frac{x-mean\left ( x \right )}{max\left ( x \right )-min\left ( x \right )} x′=max(x)−min(x)x−mean(x)​
Standardization(Z-score normalization):
x ′ = x − m e a n ( x ) σ {x}'=\frac{x-mean\left ( x \right )}{\sigma } x′=σx−mean(x)​
Scaling to unit length :
x ′ = x ∣ ∣ x ∣ ∣ {x}'=\frac{x}{||x|| } x′=∣∣x∣∣x​

注意:
(batch normalization,BN)先使得mini-batch的均值为0方差为1,这明明是标准化standardization,BN的论文却也将其称为normalization。所以,正如前边所说,使得均值为0,方差为1,其实就是shift和scale的组合操作,是normalization的一种。

标准化、归一化、规范化区别相关推荐

  1. 一篇文章告诉你标准化和归一化的区别?

    一篇文章告诉你标准化和归一化的区别? 2019-02-28 17:12:39 融融网融融网阅读量:484 进一步推进企业的标准化工作,使之发展水平适应经济全球化下市场竞争的要求,促进企业综合实力的提升 ...

  2. 数据处理之标准化/归一化方法

    数据处理之标准化/归一化方法 归一化方法(Normalization Method) 1.把数变为(0,1)之间的小数 主要是为了数据处理方便提出来的,把数据映射到0-1范围之内处理,更加便捷快速,应 ...

  3. 机器学习——标准化/归一化的目的、作用和场景

    对每个特征进行归一化处理,使得每个特征的取值缩放到0~1之间.这样做有两个好处: 模型训练更高效. 特征前的权重大小可代表该变量对预测结果的贡献度(因为每个特征值本身的范围相同). (一)归一化的作用 ...

  4. pandas数据预处理(标准化归一化、离散化/分箱/分桶、分类数据处理、时间类型数据处理、样本类别分布不均衡数据处理、数据抽样)

    1. 数值型数据的处理 1.1 标准化&归一化 数据标准化是一个常用的数据预处理操作,目的是处理不同规模和量纲的数据,使其缩放到相同的数据区间和范围,以减少规模.特征.分布差异等对模型的影响. ...

  5. 什么是标准化,规范化,系统化?

    在我们的日常生活和工作中,常会用到"标准化,规范化,系统化"这些词汇,我们在使用这些词汇时究竟有没有真正理解它们的含义?这些词都是动词,当我们在使用这些词汇时,是否知道究竟意味着要 ...

  6. 机器学习中数据预处理——标准化/归一化方法(scaler)

    由于工作问题比较忙,有两周没有总结一下工作学习中遇到的问题. 这篇主要是关于机器学习中的数据预处理的scaler变化. 工作中遇到的问题是:流量预测问题,拿到的数据差距非常大,凌晨的通话流量很少几乎为 ...

  7. 向后转动作要领_标准化、规范化训练:立正、稍息、跨立、蹲下、向左向右转、向后转的动作要领是什么?...

    标准化.规范化训练:立正.稍息.跨立.蹲下.向左向右转.向后转的动作要领是什么? 234游戏网友 提出于 2019-07-19 02:34:27 标准化.规范化训练:立正.稍息.跨立.蹲下.向左向右转 ...

  8. 机器学习——标准化/归一化的目的和作用

    机器学习--标准化/归一化的目的.作用和场景 (一)归一化的作用 在机器学习领域中,不同评价指标(即特征向量中的不同特征就是所述的不同评价指标)往往具有不同的量纲和量纲单位,这样的情况会影响到数据分析 ...

  9. 【思维导图】【标准化、规范化文件】《使用MEEG进行神经成像数据分析和共享的最佳实践》 【脑机接口入门第一篇必备文章】

    文档原始下载链接:OSF Preprints | Best Practices in Data Analysis and Sharing in Neuroimaging using MEEG 参考文献 ...

最新文章

  1. 【转】.NET Core全面扫盲贴
  2. Docker安装禅道项目管理平台zendao-v11.6.x
  3. 安装hdfs集群的具体步骤
  4. PHP32向右位移2位是多少,PHP的二进制位移操作
  5. 100_1小记ressons analysis
  6. Linux下常用的优秀软件
  7. [5-21]绿色精品软件每天更新[uc23整理]
  8. 菜鸟教程python爬虫小说_Python 爬虫介绍 | 菜鸟教程
  9. 用阳光心态去实现快乐工作
  10. 树莓派上搭建rtsp流媒体服务器
  11. 神经网络(深度学习)入门学习
  12. 史上最直白的RNN详解(结合torch的example)
  13. JAVA基础试题抄录
  14. oracle安装介绍
  15. POI操作word 换行
  16. Java实现混音 音频合成_ffmpeg混音(将多个声音合成一个)命令
  17. Kaldi语音识别技术(三) ----- 完成L.fst的生成
  18. Angular2或Angular4使用echarts,ngx-echarts
  19. Google网上应用店的网址
  20. js原生刻度尺滚动滑块插件

热门文章

  1. python 广义线性模型_数学建模/机器学习:广义加性模型(GAM)及其Python实现
  2. linux下内存分配原因导致的Load过高
  3. php实现撩妹,50个撩妹金句,充满套路又不失幽默
  4. Kafka扩分区和分区副本重分配之后消费组会自动均衡吗?
  5. HDU 1234 开门人和关门人
  6. Mac OS X 系统更新升级包下载后的存储位置
  7. STM32工程模板文件夹
  8. 网页特效之imageflow
  9. 图机器学习(GML)图神经网络(GNN)原理和代码实现(前置学习系列二)
  10. 第三种是经典著作阅读法