Python, Numpy - 规范化 matrix/array
Python, Numpy - Normalize a matrix/array
这很可能是一个愚蠢的问题，但作为 Python/Numpy 的初学者，我还是会问的。我看过很多关于如何在 numpy 中 规范化 array/matrix 的帖子。但我不确定为什么。 Why/When array/matrix 需要在 numpy 中标准化吗？什么时候使用？
规范化在不同的上下文中可以有多种含义。我的问题属于数据 Analytics/Data 科学领域。在这种情况下，规范化意味着什么？或者更具体地说，在什么情况下我应该规范化数组？
这个问题的第二部分是 - 规范化有哪些不同的方法，它们可以在所有情况下互换使用吗？
第三部分也是最后一部分 - 归一化可以用于任何维度的数组吗？
任何参考资料的链接 material（对于初学者）将不胜感激。
考虑尝试对具有两个数值属性 A 和 B 的对象进行聚类。两者同样重要。属性 A 的范围为 0 到 1000，属性 B 的范围为 0 到 5。
如果您没有规范化 A 和 B，那么在应用任何标准距离度量时，您最终会得到属性 A 完全压倒属性 B。
这很可能是一个愚蠢的问题，但作为 Python/Numpy 的初学者，我还是会问的。我看过很多关于如何在 numpy 中 规范化 array/matrix 的帖子。但我不确定为什么。 Why/When array/matrix 需要在 numpy 中标准化吗？什么时候使用？
规范化在不同的上下文中可以有多种含义。我的问题属于数据 Analytics/Data 科学领域。在这种情况下，规范化意味着什么？或者更具体地说，在什么情况下我应该规范化数组？
这个问题的第二部分是 - 规范化有哪些不同的方法，它们可以在所有情况下互换使用吗？
第三部分也是最后一部分 - 归一化可以用于任何维度的数组吗？
任何参考资料的链接 material（对于初学者）将不胜感激。
考虑尝试对具有两个数值属性 A 和 B 的对象进行聚类。两者同样重要。属性 A 的范围为 0 到 1000，属性 B 的范围为 0 到 5。
如果您没有规范化 A 和 B，那么在应用任何标准距离度量时，您最终会得到属性 A 完全压倒属性 B。