YUETONG · 2024年04月18日
NO.PZ2023050402000021
问题如下：
下面关于去规模化的方法说法正确的是？选项：
A.[0,1]标准化需要数据服从正态分布 B.Z-score标准化后新变量的均值是0，标准差是1。 C.Z-score标准化不需要事先知道数据的分布 D.[0,1]标准化对异常值不敏感解释：
正确答案是B选项。Z-score标准化（Standardization）。这种方法同时将数据做了“中心化”和将数据按比例进行了缩放。新变量的均值为0，标准差为1。上一题A：标准差检验的方法需要服从正态分布是正确的，这一题A是错误的，区别在哪里？
Tina_品职助教 · 2024年04月19日
嗨，爱思考的PZer你好：
这个选项提到的是"[0,1]标准化需要数据服从正态分布"。这种表述是错误的。"[0,1]标准化"，也称为Min-Max标准化，是一种将所有特征缩放到一个固定范围（通常是0到1）的方法。它通过从每个观察值中减去最小值并除以最大值和最小值之差来实现。这种方法并不要求数据服从正态分布，它主要用于将特征值缩放到一个特定的范围。
前一个题A: 标准差检验的方法适用于正态分布的数据集
这个说法是正确的。标准差检验通常假设数据是正态分布的。在正态分布的数据中，大约95%的数据点位于均值的±2个标准差内，而约99.7%的数据点位于±3个标准差内。因此，远离均值超过3个标准差的点通常被认为是异常值。这种方法依赖于数据的正态分布特性来定义什么是“远离”均值。
"[0,1]标准化" 和 "标准差检验" 不是同一个事情，它们是两种完全不同的统计方法。
"[0,1]标准化"，是一种数据预处理技术，用于将数据特征缩放到一个指定的范围内，通常是0到1。
"标准差检验" 则是用来识别数据集中的异常值的一种方法。在假设数据近似正态分布的情况下，可以使用标准差来判断数据点是否远离平均值。
----------------------------------------------就算太阳没有迎着我们而来，我们正在朝着它而去，加油！
YUETONG · 2024年04月20日
名称有点多，请问Z-score标准化是哪个？
YUETONG · 2024年04月20日
本题中的"[0,1]标准化"和“Z-score标准化”其实说的是同一件事是吗？
NO.PZ2023050402000021 问题如下 下面关于去规模化的方法说法正确的是？ A.[0,1]标准化需要数据服从正态分布 B.Z-score标准化后新变量的均值是0，标准差是1。 C.Z-score标准化不需要事先知道数据的分布 [0,1]标准化对异常值不敏感 正确答案是B。Z-score标准化（Stanrzation）。这种方法同时将数据做了“中心化”和将数据按比例进行了缩放。新变量的均值为0，标准差为1。 这里的[0,1]标准化和“归一化”有什么区别？有时候刻意区分标准化和归一化，有时候又把归一化的方法归类到标准化的一种，这样很容易混淆。
NO.PZ2023050402000021 问题如下 下面关于去规模化的方法说法正确的是？ A.[0,1]标准化需要数据服从正态分布 B.Z-score标准化后新变量的均值是0，标准差是1。 C.Z-score标准化不需要事先知道数据的分布 [0,1]标准化对异常值不敏感 正确答案是B。Z-score标准化（Stanrzation）。这种方法同时将数据做了“中心化”和将数据按比例进行了缩放。新变量的均值为0，标准差为1。 同一种标准化的两个名字而已？？？
NO.PZ2023050402000021问题如下 下面关于去规模化的方法说法正确的是？A.[0,1]标准化需要数据服从正态分布B.Z-score标准化后新变量的均值是0，标准差是1。C.Z-score标准化不需要事先知道数据的分布[0,1]标准化对异常值不敏感正确答案是B。Z-score标准化（Stanrzation）。这种方法同时将数据做了“中心化”和将数据按比例进行了缩放。新变量的均值为0，标准差为1。请问知识点对应哪一页
