使用均值和标准差进行归一化 [关闭]

【问题标题】：Normalization using mean and standard derivation [closed]使用均值和标准差进行归一化 [关闭]
【发布时间】：2020-07-22 09:27:07
【问题描述】：

我对机器学习真的很陌生，我有一个问题，我在互联网上找不到这么清楚的答案。我创建了一个模型，我有均值和标准推导。现在我想通过从各个预测变量中减去平均值并除以标准偏差来标准化数据。我用谷歌搜索，我意识到 sklearn 的 StandardScaler set mean 0 for normalize。我的问题是，是否有一种方法可以进行这种标准化，或者我只需要自己进行计算？

【问题讨论】：

我不明白你的问题，正如你所说，你可以使用 sklearn 的 StandardScaler 来规范化（这意味着减去平均值并除以 std dev）
@alan.elkin 因为我搜索了如何使用它，但是每个地方都说这个函数 set mean = 0

标签： python machine-learning scikit-learn normalization

【解决方案1】：

当您从每个元素中减去平均值时，结果集的平均值实际上为零。类似地，将结果值除以 sdev 会得到一个新的 sdev 为 1.0 的集合——如果您需要了解机制，请通过代数对每一个进行处理。

在大多数情况下，是规范化过程：

new_set = (old_set - mean) / sdev

其中new_set 和old_set 是向量。

是的，有一些方法可以为您执行标准化。您可能需要扩大搜索词的范围，但特别是缩小它们以适应您的实施范式。每个包或 ML 框架都有自己的规范化方法。如果你找不到它们，我希望标准的线性变换（上图）能满足你的目的。

【讨论】：