Normalizavimas naudinga naudoti, kai žinote, kad jūsų duomenų paskirstymas neatitinka Gauso skirstinio. … Kita vertus, standartizavimas gali būti naudingas tais atvejais, kai duomenys atitinka Gauso skirstinį.
Ar turėčiau naudoti normalizavimą ar standartizavimą?
Normalizavimas naudingas, kai jūsų duomenų skalė skiriasi, o jūsų naudojamas algoritmas nedaro prielaidų apie jūsų duomenų pasiskirstymą, pvz., k-artimiausius kaimynus ir dirbtinius neuroninius tinklus. Standartizacija daro prielaidą, kad jūsų duomenys turi Gauso (varpo kreivės) skirstinį.
Ar standartizavimas yra tas pats, kas normalizavimas?
Verslo pasaulyje „normalizavimas“paprastai reiškia, kad reikšmių diapazonas yra „normalizuojamas nuo 0“. Nuo 0 iki 1,0". „Standartizavimas" paprastai reiškia, kad verčių diapazonas yra "standartizuotas", kad būtų galima išmatuoti, kiek standartinių nuokrypių vertė yra nuo jos vidurkio.
Ar visada gerai normalizuoti duomenis?
Normalizuodami išmesite dalį informacijos apie duomenis, pvz., absoliučią didžiausią ir mažiausią reikšmes. Taigi nykščio taisyklės nėra. Kaip sakė kiti, normalizavimas ne visada taikomas; pvz. praktiniu požiūriu.
Kada neturėtumėte normalizuoti duomenų?
Kai kurios geros priežastys nenormalizuoti
- Sujungimai brangūs. Normalizuojant duomenų bazę dažnai reikia sukurti daugybę lentelių. …
- Normalizuoti dizainą sunku. …
- Greitas ir purvinas turi būti greitas ir purvinas. …
- Jei naudojate NoSQL duomenų bazę, tradicinis normalizavimas nepageidautinas.
