標準化與規範化你好！
我不太明白。 JMP 中位數的標準化和標準化有區別嗎？
我在 JMP 中轉換了我的值，分佈 --> 標準化，這與標準化相同嗎？
如果不是，如何對預測變數進行標準化？
一切順利。
回覆：標準化與規範化我傾向同意@凱倫C的解釋。 對我來說，標準化是一個嘗試在共同基礎上表達兩個或多個資料集的過程。 可以有任意數量的演算法來完成此任務。 例如，在時間序列分析中，常見的技術是建立索引序列，其中每個值都是原始值/時間 1 的值。 通常這樣做是為了獲取原始值在不同尺度上的兩個時間序列，並在時間序列圖上的共同尺度上進行比較，其中百分比變化、轉折點等比不同序列的絕對值更重要。
標準化是歸一化的一種具體形式，即（（每個觀測值 - 系列的 mu）/系列的標準差））。 當透過普通最小二乘迴歸和多種其他 EDA 和建模方法對資料進行建模時，這通常是一件非常理想的事情。 事實上，JMP 經常在許多平台的「幕後」執行此操作（或至少提供該選項）。
回覆：標準化與規範化標準化——這是一個大話題。 它可以很簡單也可以非常複雜。標準化通常用於對齊相似但不同的數據。 例如，來自不同批次、不同運行、不同機器但測量相同事物的數據通常會被標準化，以消除已知的變異來源。 一個批次運行較高，而另一個批次運行較低，並且可以使用在兩個批次中運行的通用樣品來調整批次，以便可以對它們進行比較。 因此，雖然標準化很容易解釋和實施，但規範化卻不然。 我正在解釋數據對齊上下文中“標準化”一詞的使用，與正態分佈無關。
回覆：標準化與規範化我認為問題在於標準化與規範化，而不是轉型。我希望有人能夠給出更明確的答案，但我認為轉換是一個更通用的術語，涵蓋了數據的多種類型的更改，包括標準化和規範化。我還認為 Jim 對標準化的定義是正確的——這個術語描述了將資料轉換為平均值 0 和標準差 1。我認為標準化將包括標準化作為一種選擇，但可能包括將數據轉換為某種統一比例的其他方法- 例如，計算每個觀察值距離最小值有多遠（在0-1 比例上）（即， (x-xmin)/(xmax-xmin))。
回覆：標準化與規範化標準化是將資料轉換為平均值 0 和標準差 1。它不會改變資料的形狀。
為了將資料轉換為常態分佈，JMP 的分佈平台在紅色三角形下方提供了「連續擬合」選項。如果您知道目前的發行版是什麼，則可以在該選項下選擇它。不過，您也可以選擇“全部”，JMP 將根據每個分佈評估當前數據，並確定哪個分佈最適合它。然後，許多發行版的 Save Transformed 選項都可用。
除此之外，您可能還有自己喜歡的資料轉換方法。對數或平方變換。這些可以簡單地透過建立一個新列，然後指定簡單轉換作為該列的公式來完成。
有關「連續變數選項」的詳細文件可以在基本分析 JMP 指南中找到
幫助==>書籍==>基礎分析
