Normalleştirme, verilerinizin dağılımının bir Gauss dağılımını takip etmediğini bildiğiniz zaman kullanmak iyidir. … Öte yandan standardizasyon, verilerin Gauss dağılımını takip ettiği durumlarda yardımcı olabilir.
Normalleştirme mi yoksa Standardizasyon mu kullanmalıyım?
Normalleştirme, verileriniz değişen ölçeklere sahip olduğunda ve kullandığınız algoritma, k-en yakın komşular ve yapay sinir ağları gibi verilerinizin dağılımı hakkında varsayımlarda bulunmadığında kullanışlıdır. Standardizasyon, verilerinizin Gauss (çan eğrisi) dağılımına sahip olduğunu varsayar.
Standartlaştırma, normalleştirmeyle aynı mı?
İş dünyasında "normalleştirme" tipik olarak değer aralığının "0'dan "normalleştirilmesi" anlamına gelir.0 ila 1.0". "Standartlaştırma" tipik olarak, değer aralığının, değerin ortalamasından kaç standart sapma olduğunu ölçmek için "standartlaştırıldığı" anlamına gelir.
Verileri normalleştirmek her zaman iyi midir?
Normalize ederek, aslında mutlak maksimum ve minimum değerler gibi verilerle ilgili bazı bilgileri atıyorsunuz. Yani, başparmak kuralı yoktur. Diğerlerinin de söylediği gibi normalleştirme her zaman uygulanabilir değildir; Örneğin. pratik bir bakış açısıyla.
Verileri ne zaman normalleştirmemelisiniz?
Normalleşmemek İçin Bazı İyi Nedenler
- Katılımlar pahalıdır. Veritabanınızı normalleştirmek genellikle çok sayıda tablo oluşturmayı içerir. …
- Normalleştirilmiş tasarım zordur. …
- Hızlı ve kirli, hızlı ve kirli olmalıdır. …
- Bir NoSQL veritabanı kullanıyorsanız, geleneksel normalleştirme istenmez.
