python - MinMaxScaling 与 L1/L2 归一化

Question

我想知道不同类型的重新缩放数据的差异或应用。

到目前为止，我知道标准化假设数据具有高斯分布。因此，如果是这种情况，我们应该标准化并获得正态分布 N~(0,1) 中的值。

如果我们的模型没有关于数据分布的假设（如 FCN 或 RandomForestClassifiers，...）并且我们不知道数据分布或者它不是高斯分布，我们应该对数据进行归一化。但这是我的观点，有几种方法可以标准化，例如使用向量的 L2/L1-Norm（这是tensorflow实现其标准标准化方法的方式）或使用 MinMaxScaling。

那么什么时候推荐使用 L1 或 L2 范数进行标准化，什么时候 MinMaxScaling 是正确的选择？

标签： pythontensorflowneural-networkstatisticsdata-science

Answer 1

正则化不适用于重新缩放数据。