最小最大值縮放 vs 正規化
Min-Max Scaling vs Normalization
最小最大值縮放 側重 將資料線性轉換到指定區間（通常為 [0, 1]）的特徵縮放方法，透過減去最小值再除以值域來實現。，而 正規化 側重 正規化是一種資料前處理技術，將資料縮放到一個單位範數，例如L1或L2範數，使每個樣本的向量長度為1。。
逐項比較
| 項目 | 最小最大值縮放 | 正規化 |
|---|---|---|
| 一句定義 | 將資料線性轉換到指定區間（通常為 [0, 1]）的特徵縮放方法，透過減去最小值再除以值域來實現。 | 正規化是一種資料前處理技術，將資料縮放到一個單位範數，例如L1或L2範數，使每個樣本的向量長度為1。 |
| 常見標籤 | 特徵縮放、資料前處理、正規化、機器學習基礎、iPAS中級、特徵工程 | 機器學習、資料處理、特徵工程、模型訓練、模型評估、Python程式、數學基礎、iPAS中級 |
| iPAS 關聯度 | 未知 | 未知 |
| 考生最常問 | Min-Max Scaling 和 Z-score 標準化（Standardization）應該怎麼選擇？ | 正規化和標準化一樣嗎？ |