默认情况下是否有理由不标准化所有功能？我意识到它可能不是必要的，例如决策树，但对于某些算法，如 KNN、SVM 和 K-Means。例行地对我的所有功能执行此操作会有什么害处吗？
此外，标准化比标准化更可取的共识似乎是？什么时候这不是一个好主意？
问问题
142 次
1 回答
4
根据我的经验，当您的数据集包含具有非常不同范围的特征（例如年龄与每所房子的美元数）时，标准化和规范化会产生最大（积极）的影响
根据我的专业经验，在使用汽车传感器（时间序列）进行项目时，我注意到标准化（最小-最大缩放），即使应用于神经网络，也会对训练产生负面影响过程，当然还有最终结果。诚然，传感器特征（值）是否彼此非常接近。考虑到我正在使用时间序列，这是一个非常有趣的结果，大多数数据科学家默认采用缩放（它们最终是神经网络，符合理论）。
原则上，当数据集中有特定的异常值时，最好应用标准化，因为标准化会产生更小的标准偏差值。以我的拙见，这是标准化往往比标准化更受青睐的主要原因，它比异常值更稳健。
三年前，如果有人问我这个问题，我会说“标准化”是要走的路。现在我说，遵循原则，但在得出某个结论之前测试每个假设。
于 2021-02-21T14:54:23.553 回答