问题标签 [standardized]

我已经使用对大型数据集执行了多元线性回归

使用 lm.beta 添加标准化 beta 系数

并使用 stargazer 将结果制成表格

输出给了我两列系数，但是，其中一些的显着性值是不同的，当标准化不标准化时，非标准化通常显着

这篇文章的答案：在观星表中包含标准化系数仅对常量显示相同的内容（他们不评论它），而我的许多变量都有它。

为什么会发生这种情况，它是我的代码中的错误还是在统计上有效？我看不出标准化应该如何改变重要性。

谢谢！

我正在使用 scikit-learn "permutation_test_score" 方法来评估我的估计器性能的重要性。不幸的是，我无法从 scikit-learn 文档中了解该方法是否实现了对数据的任何缩放。我使用通过 StandardScaler 标准化我的数据，将训练集标准化应用于测试集。

这是一个简化的解释：我有一个包含多个展开时间步长的数据框，用于预测 price2 和 volume2（下一步）。在训练我的网络之前，我想使用StandardScaler。

但是，当我反转预测的数据时，我现在面临的挑战是 StandardScaler 调整为 4 的长度，因此不能应用于我的输出长度 2。

处理这个问题的最佳方法是什么？

首先，感谢您抽出宝贵时间查看/回答我的问题。我会尽力解释这个问题（希望不会太难，我绝不是 R 专家）

假设我有以下数据（第一列是日期，第二列是“级别”，级别是每天 2:8 的重复序列。Var 3 只是一些统计数据..）

我的目标是通过执行以下操作来标准化数据：

本质上，对于每个唯一的日期，我想逐行获取 Var3 数据，然后用 var3 FOR THAT DAY* 的 5 级值减去它的对数 [例如，change[1] = log(.2340) - log(.4440) .. change[2] = log(.1240) - log(.444)... 但是对于 change[10] 它将是 log(.2400) - log(.5500).. 和很快..

我在 R 中遇到了麻烦，下面是我想出的代码（但结果似乎是 21 行 x 24 变量......但我真的只想要 21 行和 4 列，第 4 列是“改变”......我就是无法理解：/）

如果可以，请提供帮助，直觉上它似乎很容易做到，我不知道如何在 R 中做到这一点 [是的，我是相对较新的]..

非常感谢！

我正在尝试创建一个自定义函数，该函数允许我使用该standardize包将混合效果标准化应用于大型 dplyr 数据框。

尽管尝试了各种形式的 quosure、using !!、惰性求值和 using，但我将函数参数解析为标准化函数一直没有成功do.call。

我已经查看了这些线程（1、2）中的信息并尝试实施它们。

eval 中的错误（predvars、data、env）：找不到对象“x”

另一个（失败的）尝试：

q_m_efx2(df, x)给出同样的错误。

理想情况下，我希望能够直接从函数中提取标准化数据：

在函数之外可以正常工作

我哪里错了？

我正在研究数据预处理，并想实际比较数据标准化与规范化与鲁棒缩放器的优势。

理论上，指导方针是：

好处：

1. 标准化：对特征进行缩放，使得分布以 0 为中心，标准差为 1。
2. 标准化：缩小范围，使范围现在介于 0 和 1 之间（如果有负值，则为 -1 到 1）。
3. Robust Scaler：类似于标准化，但它使用四分位数范围，因此它对异常值具有鲁棒性。

缺点：

1. 标准化：如果数据不是正态分布（即没有高斯分布），则不好。
2. 标准化：受到异常值（即极值）的严重影响。
3. Robust Scaler：不考虑中位数，只关注大容量数据所在的部分。

我创建了20 个随机数字输入并尝试了上述方法（红色数字代表异常值）：

我注意到 -实际上- 规范化受到异常值的负面影响，并且新值之间的变化比例变得很小（所有值几乎相同 -6 位后小数点0.000000x- ）即使原始输入之间存在明显差异！

我的问题是：

1. 我是否正确地说标准化也会受到极端值的负面影响？如果不是，为什么根据提供的结果？
2. 我真的看不到Robust Scaler如何改进数据，因为我在结果数据集中仍然有极值？任何简单的完整解释？

我有以下数据：

如果我标准化（即 Z 分数）score变量，我会得到以下值。新z列的平均值基本上为 0，SD 为 1，这两者都是标准化变量的预期值：

但是，我真正感兴趣的是根据组成员身份计算 Z 分数 ( sound)。例如，如果分数来自声音 A，则仅使用声音 A 值的平均值和 SD 将该值转换为 Z 分数。同样，声音 BZ 分数将仅使用声音 B 的平均值和 SD。与常规 Z 分数计算相比，这显然会产生不同的值：

我的问题是：为什么基于组的标准化值 ( zg) 的平均值也基本等于 0？这是预期的行为还是我的计算中有错误？

z分数是有道理的，因为在变量内进行标准化基本上会将平均值强制为 0。但是这些值zg是使用每个声音组的不同平均值和 SD 计算的，所以我不确定为什么该新变量的平均值也被设置为 0 .

我可以看到这种情况发生的唯一情况是，如果值的总和 > 0 等于值的总和 < 0，当平均时会抵消为 0。这发生在常规的 Z 分数计算中，但我很惊讶这像这样跨多个组进行操作时也会发生...

我有一个如下数据框：

我进行了多项回归并得到属于每个组的概率如下：

然后我为每个区域创建了一个权重。权重是“属于第一组的概率除以属于该区域所在的当前组的概率”。然后将权重乘以 mid_pop。

现在我想为组做一个标准化的平均差，看看加权前后 mid_pop 的平均值之间的差异。结果将是这样的：

任何人都可以帮助我们做到这一点？提前致谢。

谁能解释数据标准化如何提高高斯朴素贝叶斯分类器的性能？我标准化了我使用的数据以及它如何提高准确性。据我所知，它不应该，因为 GNB 使用 MAP 规则对标签进行分类。有谁知道它如何影响分类器？

有几种不同的消息传递应用程序和服务可用，例如：Slack、HipChat、IRC、Zoom Chat 等...

是否使用（或可用）标准化（或通用）消息格式来表示这些消息以简化开发人员集成，类似于日期时间格式的 ISO8601？