什么时候在机器学习中进行规范化或标准化？
When to perform Normalization or Standardization in machine learning?
如果所有特征都具有相同的比例，我是否必须对我的数据进行归一化？例如，所有列都是特征，每个 row/sample 是每个特征的出现次数？如果需要归一化，我需要特征归一化还是样本归一化？
不，如果所有特征都在同一尺度上，则不必对数据进行归一化。
对于标准化，您想检查数据的统计分布以确保它们具有均值 μ=0 和标准差 σ=1 的标准正态分布；其中μ是均值（平均值），σ是均值的标准差。
您可以在 pandas 中执行此操作，方法是对您的数据调用 .describe() 并调查 mean 和 std。如果碰巧某些特征具有正态分布而其他特征则没有，您可以进行我们的样本标准化（在整个数据集上）。
如果所有特征都具有相同的比例，我是否必须对我的数据进行归一化？例如，所有列都是特征，每个 row/sample 是每个特征的出现次数？如果需要归一化，我需要特征归一化还是样本归一化？
不，如果所有特征都在同一尺度上，则不必对数据进行归一化。
对于标准化，您想检查数据的统计分布以确保它们具有均值 μ=0 和标准差 σ=1 的标准正态分布；其中μ是均值（平均值），σ是均值的标准差。
您可以在 pandas 中执行此操作，方法是对您的数据调用 .describe() 并调查 mean 和 std。如果碰巧某些特征具有正态分布而其他特征则没有，您可以进行我们的样本标准化（在整个数据集上）。