표준화 대 표준화안녕!
정말 이해가 안됩니다. JMP에서 값의 정규화와 표준화에 차이가 있습니까?
JMP에서 내 값을 변환했습니다. Distributions --> Standardized, 이것이 정규화와 동일합니까?
그렇지 않다면 예측 변수에 대한 정규화를 어떻게 수행합니까?
모두 제일 좋다.
재: 표준화 대 정규화나는 동의하는 경향이있다 @KarenC 님의 설명입니다. 나에게 정규화는 공통 기반에서 둘 이상의 데이터 세트를 표현하려고 시도하는 프로세스입니다. 이 작업을 수행하기 위한 알고리즘은 얼마든지 있을 수 있습니다. 예를 들어 시계열 분석에서 일반적인 기술은 각 값이 시간 1의 원래 값/값인 인덱스 시리즈를 만드는 것입니다. 이것은 원래 값이 매우 다른 척도에 있는 두 개의 시계열을 취하고 % 변화, 전환점 등이 서로 다른 시리즈의 절대값보다 더 중요한 시계열 플롯의 공통 척도에서 비교하기 위해 종종 수행됩니다.
표준화는 ((각 관측치 - 계열의 mu)/ 계열의 표준 편차)인 정규화의 한 가지 특정 형태입니다. 이는 보통의 최소 자승 회귀 및 기타 여러 EDA 및 모델링 방법을 통해 데이터를 모델링할 때 수행하는 매우 바람직한 일입니다. 실제로 JMP는 종종 많은 플랫폼에서 '뒤에서' 이 작업을 수행합니다(또는 최소한 옵션을 제공함).
재: 표준화 대 정규화정규화 - 그것은 큰 주제입니다. 매우 복잡할 수 있습니다.정규화는 비슷하지만 다른 데이터를 정렬하는 데 자주 사용됩니다. 예를 들어, 다른 배치, 다른 실행, 다른 기계의 데이터는 모두 동일한 것을 측정하지만 알려진 변동 소스를 제거하기 위해 정규화되는 경우가 많습니다. 한 배치는 높게 실행되는 반면 두 배치에서 실행되는 다른 낮고 공통 샘플은 배치를 조정하여 비교할 수 있도록 사용할 수 있습니다. 따라서 표준화는 간단하게 설명하고 구현하지만 표준화는 그렇지 않습니다. 나는 데이터 정렬의 맥락에서 정규화라는 단어의 사용을 해석하고 있으며 정규 분포와 아무 관련이 없습니다.
재: 표준화 대 정규화나는 그 질문이 변환이 아니라 표준화 대 정규화에 관한 것이라고 생각합니다.누군가가 더 확실한 답을 줄 수 있기를 바랍니다. 하지만 변환은 표준화와 정규화를 포함하여 데이터에 대한 여러 유형의 변경을 포괄하는 보다 일반적인 용어라고 생각합니다.또한 Jim의 표준화 정의가 옳다고 생각합니다. 데이터를 평균이 0이고 표준편차가 1이 되도록 변환하는 것을 설명하는 용어입니다.정규화에는 옵션으로 표준화가 포함되지만 데이터를 일종의 균일 척도로 변환하는 다른 방법이 포함될 수 있다고 생각합니다. (x-xmin)/(xmax-xmin)).
재: 표준화 대 정규화표준화는 데이터를 평균 0, 표준 편차 1로 변환하는 것입니다.데이터의 모양은 변경되지 않습니다.
데이터를 정규 분포로 변환하기 위해 JMP의 배포 플랫폼에는 빨간색 삼각형 아래에 연속 맞춤 옵션이 있습니다.현재 배포가 무엇인지 안다면 해당 옵션에서 선택할 수 있습니다.그러나 "모두"를 선택할 수도 있으며 JMP는 각 분포에 대해 현재 데이터를 평가하고 가장 적합한 분포를 결정합니다.그런 다음 여기에서 많은 배포판에 대한 변환된 저장 옵션을 사용할 수 있습니다.
이 외에도 선호하는 데이터 변환 방법이 있을 수 있습니다.로그 또는 제곱 변환입니다.새 열을 만든 다음 열에 대한 공식으로 단순 변환을 지정하면 간단히 수행할 수 있습니다.
"연속 변수 옵션"에 대한 좋은 문서는 Basic Analysis JMP 가이드에서 찾을 수 있습니다.
도움말==>도서==>기본 분석
