網上講得比較亂
有些博客把歸一化和標準化認爲一致，主要是覺得normalization這個詞語翻譯成標準化和歸一化都沒啥問題

Min-Max scaling（歸一化），也可以使用normalization，但是谷歌上不推薦
，公式是：

網上通俗的說法是：用來消除量鋼的影響。
這個說法是不準確的，因爲有的特徵顯然需要比重大一些，有的需要比重小一些。
這個“消除量鋼影響”的說法其實是默認數據特徵是一視同仁、同等重要的。
歸一化用來處理行
效果是針對特徵對應的列之間的權重一致

---

z-score normalization(標準化)，
有的博客認爲，由於Min-Max scaling也可以翻譯成Min-Max normalization
所以他們認爲歸一化也是一種報準化，這種說法也行，其實就是翻譯問題。

標準化是用來處理數據集的列。

---

嶺回歸和Lasso時候，SVM，KNN中，標準化是必須的
線性回歸、邏輯回歸、決策樹、隨機森林、梯度上升，不需要標準化

轉載自：
https://blog.csdn.net/shwan_ma/article/details/80154888

中心化

創作挑戰賽新人創作獎勵來咯，堅持創作打卡瓜分現金大獎

總結

以上是生活随笔為你收集整理的標準化，歸一化和的概念与适用范围整理的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。