StandardScaler假定您的数据正态分布在每个功能中。通过“去除均值并按比例缩放到单位方差”,您现在可以在图片中看到它们具有相同的“比例”,而不管其原始比例如何。

sklearn.preprocessing中standardscaler和Normalizer之间的区别

共 3 个回答
高赞
时间
活跃
0

0

StandardScaler()通过去除均值并缩放到单位方差来标准化要素(例如人数据的要素,即身高,体重)。
(单位方差:单位方差是指样本的标准偏差以及方差会随着样本大小趋于无穷大而趋向于1。)
Normalizer()重新缩放每个样本。例如,彼此独立地重新调整每个公司的股票价格。
有些股票比其他股票贵。为了解决这个问题,我们将其标准化。规范化工具将分别将每个公司的股价转换为相对规模。
0

从Normalizer文档中:
具有至少一个非零分量的每个样本(即数据矩阵的每一行)都独立于其他样本进行重新缩放,以使其范数(l1或l2)等于1。
通过去除均值并缩放到单位方差来标准化特征
换句话说,规范器按行操作,而StandardScaler按列操作 。规范化器不会删除均值并按偏差进行缩放,而是将整行缩放为单位范数。
新手导航
- 社区规范
- 提出问题
- 进行投票
- 个人资料
- 优化问题
- 回答问题
0
sklearn.preprocessing模块中的standardscaler和normalizer有什么区别?两者不都做同一件事吗?即使用偏差去除均值和量表?