標準化と正規化こんにちは！
よくわかりません。 JMP における値の正規化と標準化に違いはありますか?
JMP で値を変換しました (分布 --> 標準化)。これは正規化と同じですか?
そうでない場合、予測変数の正規化をどのように実行しますか?
ではごきげんよう。
Re: 標準化と正規化私は同意する傾向があります@KarenCさんの説明です。 私にとって、正規化とは、2 つ以上のデータセットを共通の基盤に基づいて表現しようとするプロセスです。 このタスクを実行するためのアルゴリズムはいくつでも使用できます。 たとえば、時系列分析では、各値が元の値/時刻 1 の値であるインデックス シリーズを作成するのが一般的な手法です。 これは、元の値が非常に異なるスケールにある 2 つの時系列を取得し、異なる系列の絶対値よりも変化率や転換点などが重要な時系列プロット上で共通のスケールで比較するためによく行われます。
標準化は、正規化の特定の形式の 1 つであり、((各観測値 - 系列のμ)/系列の標準偏差)) です。 これは、通常の最小二乗回帰やその他の多数の EDA およびモデリング手法を介してデータをモデリングするときに実行することが非常に望ましいことです。 実際、JMP は多くのプラットフォームでこれを「裏側」で行うことがよくあります (または少なくともオプションを提供しています)。
Re: 標準化と正規化正規化 - それは大きなテーマです。 単純なものから非常に複雑なものまであります。正規化は、似ているが異なるデータを調整するためによく使用されます。 たとえば、異なるバッチ、異なる実行、異なるマシンからのデータですが、すべて同じものを測定している場合、多くの場合、既知のばらつきの原因が除去されるように正規化されます。 1 つのバッチは高濃度で実行されますが、別の低値で共通のサンプルは両方のバッチで実行され、比較できるようにバッチを調整するために使用できます。 したがって、標準化は説明と実装が簡単ですが、正規化はそうではありません。 私は正規化という言葉の使用をデータ アラインメントの文脈で解釈しており、正規分布とは何の関係もありません。
Re: 標準化と正規化問題は、変換ではなく、標準化と正規化に関するものだと思います。誰かがより明確な答えをくれることを期待していますが、変換は、標準化と正規化の両方を含む、データに対するさまざまな種類の変更をカバーするより一般的な用語だと思います。また、ジムの標準化の定義も正しいと思います。標準化とは、平均が 0、標準偏差が 1 になるようにデータを変換することを表す用語です。正規化にはオプションとして標準化が含まれると思いますが、データをある種の均一なスケールに変換する他の方法が含まれる可能性があります。たとえば、各観測値が最小値から (0 ～ 1 スケールで) どれだけ離れているかを計算するなどです (つまり、 (x-xmin)/(xmax-xmin))。
Re: 標準化と正規化標準化とは、データを平均 0、標準偏差 1 に変換することです。データの形状は変わりません。
データを正規分布に変換するために、JMP の分布プラットフォームには赤い三角形の下に [Continuous Fit] オプションがあります。現在のディストリビューションがわかっている場合は、そのオプションでそれを選択できます。ただし、「すべて」を選択することもできます。JMP は現在のデータを各分布に対して評価し、どの分布がそれに最も適合するかを決定します。その後、そこから、多くのディストリビューションの [変換後の保存] オプションが利用可能になります。
これに加えて、データを変換する好みの方法があるかもしれません。対数または二乗変換。これらは、新しい列を作成し、その列の式として単純な変換を指定するだけで簡単に実行できます。
「連続変数のオプション」に関する優れたドキュメントは、Basic Analysis JMP ガイドにあります。
ヘルプ==>書籍==>基本分析
