エントリーの編集
エントリーの編集は全ユーザーに共通の機能です。
必ずガイドラインを一読の上ご利用ください。
非正規分布をrobust Z-scoreで標準化する - Qiita
記事へのコメント0件
- 注目コメント
- 新着コメント
このエントリーにコメントしてみましょう。
注目コメント算出アルゴリズムの一部にLINEヤフー株式会社の「建設的コメント順位付けモデルAPI」を使用しています
- バナー広告なし
- ミュート機能あり
- ダークモード搭載
関連記事
非正規分布をrobust Z-scoreで標準化する - Qiita
正規化・標準化には、min-max normalizationとZ-score Normalization(Standardization)がよく使われてい... 正規化・標準化には、min-max normalizationとZ-score Normalization(Standardization)がよく使われています。今回、robust Z-scoreを試して、上記の正規化と比較してみました。 min-max normalization min-max normalizationとは、データが最小値0・最大値1になるようにする方法で、以下の式で正規化します。 pythonでは、sklearn.preprocessingのminmax_scaleかMinMaxScalerで計算できます。 この正規化は、データの分布が一様分布であることを前提としています。 Z-score Normalization(Standardization) Z-score Normalizationとは、データが平均0・分散1になるようにする方法で、以下の式で正規化します