Normalizálás akkor jó használni, ha tudja, hogy az adatok eloszlása nem követi a Gauss-eloszlást. … A szabványosítás viszont hasznos lehet olyan esetekben, amikor az adatok Gauss-eloszlást követnek.
Normalizálást vagy szabványosítást használjak?
A normalizálás akkor hasznos, ha az adatok változó léptékűek, és a használt algoritmus nem tesz feltételezéseket az adatok eloszlását illetően, például a k-os legközelebbi szomszédok és a mesterséges neurális hálózatok. Szabványosítás azt feltételezi, hogy az adatok Gauss-eloszlású (haranggörbe).
A szabványosítás ugyanaz, mint a normalizálás?
Az üzleti világban a „normalizálás” jellemzően azt jelenti, hogy az értéktartomány „0-ra van normalizálva.0-tól 1,0-ig". A "szabványosítás" általában azt jelenti, hogy az értékek tartománya "szabványosított" annak mérésére, hogy az érték hány szórása van az átlagától.
Mindig jó az adatokat normalizálni?
A normalizálással valójában kidob néhány információt az adatokról, például az abszolút maximum és minimum értékeket. Tehát nincs hüvelykujjszabály. Ahogy mások mondták, a normalizálás nem mindig alkalmazható; például. gyakorlati szempontból.
Mikor ne normalizálja az adatokat?
Néhány jó ok, amiért nem lehet normalizálni
- A csatlakozások drágák. Az adatbázis normalizálása gyakran sok tábla létrehozásával jár. …
- A normalizált tervezés nehézkes. …
- A gyors és piszkosnak gyorsnak és piszkosnak kell lennie. …
- Ha NoSQL adatbázist használ, a hagyományos normalizálás nem kívánatos.
