我有一个变量X,值从-150到400不等。我的训练集中的所有其他变量都是正数,所以我将它们归一化为0到1,或者它们已经是二进制变量,或者它们具有高斯分布,所以我使用了StandardScaler。
对于这个带有一些负值的变量X,一般情况下,我将它们规范化为-1到1 (由于负值)而不是0到1是很重要的吗?
发布于 2019-10-01 12:24:00
在我看来,这取决于消极符号的意义的重要性。
如果该值的符号指示该值的方向,则最好保留该负号。例如,+1表示向右移动,-1表示向左移动。
另一方面,如果负号仅表示它小于0,则可以将其归一化为0到1。例如,可变记录温度,负值只意味着它低于正值。
https://datascience.stackexchange.com/questions/60862
复制相似问题