正規化 vs Z 分數標準化
Normalization vs Z-score Normalization
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。，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 | 正規化 | Z 分數標準化 |
|---|---|---|
| 一句定義 | 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。 | 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 | 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 | 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 | 正規化和標準化一樣嗎？ | Z 分數標準化和 Min-Max 正規化應該如何選擇？ |