Alin ang mas mahusay na normalisasyon o standardisasyon?

Talaan ng mga Nilalaman:

Alin ang mas mahusay na normalisasyon o standardisasyon?
Alin ang mas mahusay na normalisasyon o standardisasyon?
Anonim

Mabuting gamitin ang

Normalization kapag alam mong hindi sumusunod sa Gaussian distribution ang pamamahagi ng iyong data. … Ang standardization, sa kabilang banda, ay maaaring makatulong sa mga kaso kung saan ang data ay sumusunod sa isang Gaussian distribution.

Dapat ko bang gamitin ang normalization o Standardization?

Kapaki-pakinabang ang

Normalization kapag ang iyong data ay may iba't ibang sukat at ang algorithm na ginagamit mo ay hindi gumagawa ng mga pagpapalagay tungkol sa pamamahagi ng iyong data, gaya ng mga k-pinakamalapit na kapitbahay at mga artipisyal na neural network. Ipinapalagay ng Standardization na ang iyong data ay may Gaussian (bell curve) distribution.

Ang Standardisasyon ba ay pareho sa normalisasyon?

Sa mundo ng negosyo, karaniwang nangangahulugan ang "normalization" na ang hanay ng mga value na ay "na-normalize na mula sa 0.0 hanggang 1.0". Karaniwang nangangahulugan ang "standardization" na ang hanay ng mga value ay "standardized" upang masukat kung gaano karaming mga standard deviation ang value mula sa average nito.

Maganda ba palagi ang pag-normalize ng data?

Sa pamamagitan ng pag-normalize, talagang nagtatapon ka ng ilang impormasyon tungkol sa data gaya ng ganap na maximum at minimum na mga halaga. Kaya, walang rule of thumb. Tulad ng sinabi ng iba, ang normalisasyon ay hindi palaging naaangkop; hal. mula sa praktikal na pananaw.

Kailan mo dapat hindi i-normalize ang data?

Ilang Magandang Dahilan para Hindi Mag-normalize

  1. Mahal ang pagsali. Ang pag-normalize ng iyong database ay kadalasang nagsasangkot ng paglikha ng maraming mga talahanayan. …
  2. Normalized na disenyo ay mahirap. …
  3. Mabilis at madumi ay dapat na mabilis at madumi. …
  4. Kung gumagamit ka ng NoSQL database, hindi kanais-nais ang tradisyonal na normalisasyon.

Inirerekumendang: