标准化与规范化你好！
我不太明白。 JMP 中值的标准化和标准化有区别吗？
我在 JMP 中转换了我的值，分布 --> 标准化，这与标准化相同吗？
如果不是，如何对预测变量进行标准化？
一切顺利。
回复：标准化与规范化我倾向于同意@凯伦C的解释。 对我来说，标准化是一个尝试在共同基础上表达两个或多个数据集的过程。 可以有任意数量的算法来完成此任务。 例如，在时间序列分析中，一种常见的技术是创建索引序列，其中每个值都是原始值/时间 1 的值。 通常这样做是为了获取原始值在不同尺度上的两个时间序列，并在时间序列图上的共同尺度上进行比较，其中百分比变化、转折点等比不同序列的绝对值更重要。
标准化是归一化的一种特定形式，即（（每个观测值 - 系列的 mu）/系列的标准偏差））。 当通过普通最小二乘回归和多种其他 EDA 和建模方法对数据进行建模时，这通常是一件非常理想的事情。 事实上，JMP 经常在许多平台的“幕后”执行此操作（或至少提供该选项）。
回复：标准化与规范化标准化——这是一个大话题。 它可以很简单也可以非常复杂。标准化通常用于对齐相似但不同的数据。 例如，来自不同批次、不同运行、不同机器但测量相同事物的数据通常会被标准化，以消除已知的变异来源。 一个批次运行较高，而另一个批次运行较低，并且可以使用在两个批次中运行的通用样品来调整批次，以便可以对它们进行比较。 因此，虽然标准化很容易解释和实施，但规范化却不然。 我正在解释数据对齐上下文中“标准化”一词的使用，与正态分布无关。
回复：标准化与规范化我认为问题在于标准化与规范化，而不是转型。我希望有人能够给出更明确的答案，但我认为转换是一个更通用的术语，涵盖了数据的多种类型的更改，包括标准化和规范化。我还认为 Jim 对标准化的定义是正确的——这个术语描述了将数据转换为均值 0 和标准差 1。我认为标准化将包括标准化作为一种选择，但可能包括将数据转换为某种统一比例的其他方法 - 例如，计算每个观察值距离最小值有多远（在 0-1 比例上）（即， (x-xmin)/(xmax-xmin))。
回复：标准化与规范化标准化是将数据转换为均值 0 和标准差 1。它不会改变数据的形状。
为了将数据转换为正态分布，JMP 的分布平台在红色三角形下方提供了“连续拟合”选项。如果您知道当前的发行版是什么，则可以在该选项下选择它。不过，您也可以选择“全部”，JMP 将根据每个分布评估当前数据，并确定哪个分布最适合它。然后，许多发行版的 Save Transformed 选项都可用。
除此之外，您可能还有自己喜欢的数据转换方法。对数或平方变换。这些可以简单地通过创建一个新列，然后指定简单转换作为该列的公式来完成。
有关“连续变量选项”的详细文档可以在基本分析 JMP 指南中找到
帮助==>书籍==>基础分析
