最小最大值縮放 vs Z 分數標準化
Min-Max Scaling vs Z-score 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 Z 分數標準化 側重 將特徵值轉換為均值為 0、標準差為 1 的標準常態分佈的資料預處理方法。。
逐項比較
| 項目 | 最小最大值縮放 | Z 分數標準化 |
|---|---|---|
| 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。 | 將特徵值轉換為均值為 0、標準差為 1 的標準常態分佈的資料預處理方法。 |
| 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 | 資料預處理、特徵縮放、標準化、機器學習、統計 |
| 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？ | Z 分數標準化和 Min-Max 正規化應該如何選擇？ |