ฉันไม่รู้ว่าคุณหมายถึงสิ่งนี้หรือไม่ แต่ฉันเห็นผู้คนจำนวนมากที่อ้างถึงการทำให้เป็นมาตรฐานหมายถึงข้อมูลการทำให้เป็นมาตรฐาน การกำหนดมาตรฐานกำลังเปลี่ยนข้อมูลของคุณดังนั้นมันจึงมีค่าเฉลี่ย 0 และค่าเบี่ยงเบนมาตรฐาน 1:
x <- (x - mean(x)) / sd(x)
ฉันยังเห็นคนที่ใช้คำว่า Normalization สำหรับ Data Scaling เช่นเดียวกับในการแปลงข้อมูลของคุณเป็นช่วง 0-1:
x <- (x - min(x)) / (max(x) - min(x))
อาจสร้างความสับสน!
เทคนิคทั้งสองมีข้อดีและข้อเสีย เมื่อปรับขนาดชุดข้อมูลที่มีค่าผิดปกติมากเกินไปข้อมูลที่ไม่ใช่ค่าผิดปกติของคุณอาจสิ้นสุดลงในช่วงเวลาที่สั้นมาก ดังนั้นหากชุดข้อมูลของคุณมีค่าผิดปกติมากเกินไปคุณอาจต้องพิจารณาตั้งค่ามาตรฐาน อย่างไรก็ตามเมื่อคุณทำเช่นนั้นคุณจะจบลงด้วยข้อมูลเชิงลบ (บางครั้งคุณไม่ต้องการ) และข้อมูลที่ไม่ได้ จำกัด (คุณอาจไม่ต้องการเช่นนั้น)