问题标签 [standardization]
For questions regarding programming in ECMAScript (JavaScript/JS) and its various dialects/implementations (excluding ActionScript). Note JavaScript is NOT the same as Java! Please include all relevant tags on your question; e.g., [node.js], [jquery], [json], [reactjs], [angular], [ember.js], [vue.js], [typescript], [svelte], etc.
c - 为什么 C99 标准的作者不指定浮点类型大小的标准？
我注意到在 Windows 和 Linux x86 上，float 是 4 字节类型，double 是 8，但 long double 在 x86 和 x86_64 上分别是 12 和 16。C99 应该以特定的整体尺寸打破这些障碍。
最初的技术限制似乎是由于 x86 处理器无法处理超过 80 位的浮点运算（加上 2 个字节来四舍五入），但为什么与 int 类型相比标准不一致？为什么他们不去至少 80 位标准化？
python - StandardScaler 给出非均匀标准偏差
我的问题设置如下：Python 3.7、Pandas 版本 1.0.3 和 sklearn 版本 0.22.1。我按照惯例应用一个StandardScaler（到浮点矩阵的每一列）。但是，我得到的列没有标准偏差 = 1，而它们的平均值是（大约）0。
我不确定这里出了什么问题，我检查了是否scaler混淆并标准化了行，但似乎并非如此。
所有列都有标准偏差1.1180...，而不是 1。
编辑：
我已经意识到，当我row_size在上面增加时，例如从 5 到 10 和 100，列的标准偏差接近 1。所以这可能与方差估计器的偏差随着 n 增加而变小有关（？）。然而，我可以通过手动实现获得单位方差没有意义，(col[i]- col[i].mean() )/ col[i].std()但 StandardScaler 却很挣扎......
python-3.x - python中的sklearn如何计算.scale_？（它到底是什么算法？）
请假设我们有一个这样的数组：
我们通过以下代码对其进行.scale_缩放：sklearn
结果显示：
你知道它是如何计算的吗？如果你知道，请写出它的公式，它是如何计算的？我想这.scale_显示了Interquartile range (IQR)，但是当我手动计算它时IQR：
另外，我认为array([0.81649658, 0.81649658, 1.24721913])是一种正常类型的array([2, 2, 3])，但我不知道它是如何标准化的。请帮我找到它。
python - Python：“StandardScaler”对象没有属性“_validate_data”
我最近更新了我的 sklearn。但是，自从升级以来，我收到错误“'StandardScaler' 对象没有属性'_validate_data'”。以下是代码片段：
python - 仅标准化数字列
我有 2 个函数来标准化我的数据，例如：
一个用于标准化训练，另一个用于测试。我的数据框中有一些我不想标准化的虚拟变量。现在我需要修改这些函数以不触及 0-1 的虚拟变量。我怎样才能做到这一点？
此外，在线性回归中，我有一个问题，即我的虚拟变量的系数太大，这会在预测中产生毫无意义的点。你对此有什么想法吗？
c++ - 新标准版本的 C++ 中是否有过无声的行为变化？
（我正在寻找一两个例子来证明这一点，而不是列表。）
C++ 标准的变化（例如，从 98 到 11、11 到 14 等）是否曾经发生过这样的情况：无声地改变了现有的、格式良好的、定义行为的用户代码的行为？即使用较新的标准版本编译时没有警告或错误？
笔记：
- 我问的是标准规定的行为，而不是实现者/编译器作者的选择。
- 代码越不做作越好（作为这个问题的答案）。
- 我不是指带有版本检测的代码，例如
#if __cplusplus >= 201103L. - 涉及内存模型的答案很好。
r - 如何规范化 R 中的数据
这是我的数据：
假设我想通过对其他变量执行加法来创建一个新变量。但是，由于变量没有可比的比例，我需要重新调整它们。变量的分布不是正态的，标准化过程也应该对异常值具有鲁棒性。那么标准化数据的最佳方法是什么，以便我可以对变量求和以为我的数据创建一个新参数？
python - Sklearn.pipeline 产生不正确的结果
我正在尝试使用 StandardScaler() 和 LogisticRegression() 构建管道。当我使用和不使用管道进行编码时，我会得到不同的结果。这是我没有管道的代码：
我的管道代码：
这是我的结果：
在尝试调试问题时，数据似乎正在标准化。但是使用管道的结果与在我的原始 X_train 数据上训练模型的结果相匹配（不应用 StandardScaler()）。
在管道的建设中我缺少什么吗？非常感谢！
regex - 正则表达式问题：医学术语的标准化
我需要将单词检测为“bot/hersen/levermetastase”并将它们转换为“botmetastase、hersenmetastase、levermetastase”。但也将'lever/botmetastase'变成'levermetastase，botmetastase'。
所以我需要确保“单词/单词/单词转移”在数字上尽可能多变。
这是我的解决方案，但它不起作用。
过滤器：
过滤器：
vector - 如何在列子集上实现 PySpark StandardScaler？
我想在我的数据框中的 10 列中的 6 列上使用 pyspark StandardScaler。这将是管道的一部分。
inputCol 参数似乎需要一个向量，我可以在对所有特征使用 VectorAssembler 后将其传入，但这会缩放所有 10 个特征。我不想缩放其他 4 个特征，因为它们是二进制的，我想要它们的非标准化系数。
我是否应该在 6 个特征上使用矢量汇编器，缩放它们，然后在这个缩放的特征向量和剩余的 4 个特征上再次使用矢量汇编器？我最终会在向量中得到一个向量，但我不确定这是否可行。
这样做的正确方法是什么？一个例子值得赞赏。