การทำให้เป็นมาตรฐานหรือมาตรฐานไหนดีกว่ากัน?

2024 ผู้เขียน: Fiona Howard | [email protected]. แก้ไขล่าสุด: 2024-01-10 06:43

Normalization เหมาะที่จะใช้เมื่อคุณรู้ว่าการกระจายข้อมูลของคุณไม่เป็นไปตามการแจกแจงแบบเกาส์เซียน … ในทางกลับกัน การทำให้เป็นมาตรฐานมีประโยชน์ในกรณีที่ข้อมูลเป็นไปตามการกระจายแบบเกาส์เซียน

ฉันควรใช้การทำให้เป็นมาตรฐานหรือการทำให้เป็นมาตรฐานหรือไม่

การทำให้เป็นมาตรฐานมีประโยชน์เมื่อข้อมูลของคุณมีมาตราส่วนที่แตกต่างกัน และอัลกอริทึมที่คุณใช้ไม่ได้ตั้งสมมติฐานเกี่ยวกับการกระจายข้อมูลของคุณ เช่น เพื่อนบ้านที่ใกล้ที่สุด k และโครงข่ายประสาทเทียม การทำให้เป็นมาตรฐาน ถือว่าข้อมูลของคุณมีการกระจายแบบเกาส์เซียน (เส้นโค้งกระดิ่ง)

การทำให้เป็นมาตรฐานเหมือนกับการทำให้เป็นมาตรฐานหรือไม่

ในโลกธุรกิจ โดยทั่วไป "การทำให้เป็นมาตรฐาน" หมายถึงช่วงของค่า ถูกทำให้เป็นมาตรฐานจาก 00 ถึง 1.0" โดยทั่วไป "การทำให้เป็นมาตรฐาน" หมายถึงช่วงของค่าเป็น "มาตรฐาน" เพื่อวัดค่าเบี่ยงเบนมาตรฐานจากค่าเฉลี่ยจำนวนเท่าใด

ทำให้ข้อมูลเป็นปกติดีเสมอหรือไม่

โดยการทำให้เป็นมาตรฐาน คุณกำลังทิ้งข้อมูลบางอย่างเกี่ยวกับข้อมูล เช่น ค่าสูงสุดและค่าต่ำสุดสัมบูรณ์แบบสัมบูรณ์ ดังนั้น ไม่มีกฎง่ายๆ อย่างที่คนอื่นบอก การทำให้เป็นมาตรฐานไม่ได้ผลเสมอไป เช่น. จากมุมมองเชิงปฏิบัติ

เมื่อใดที่คุณไม่ควรทำให้ข้อมูลเป็นมาตรฐาน

เหตุผลดีๆ บางอย่างที่ไม่ทำให้เป็นปกติ

1. ค่าเข้าแพง. การปรับฐานข้อมูลให้เป็นมาตรฐานมักเกี่ยวข้องกับการสร้างตารางจำนวนมาก …
2. การออกแบบธรรมดานั้นยาก …
3. เร็วและสกปรกควรเร็วและสกปรก …
4. หากคุณใช้ฐานข้อมูล NoSQL การทำให้เป็นมาตรฐานแบบเดิมไม่เป็นที่ต้องการ