归一化和标准化区别(归一标准化处理)

归一标准化处理

波函数的物理意义是什么，波函数需要满足的标准

1、为了定量地描述微观粒子的状态,量子力学中引入了波函数,并用ψ表示.一般来讲,波函数是空间和时间的函数,并且是复函数,即ψ=ψ(x,y,z,t).

2、标准化条件：单值, 连续 ,有限（平方可积）. 归一化不是必须的,比如平面波函数就不能归一,虽然实际存在的波函数都是归一的.

3、归一化条件：由于粒子肯定存在于空间中,因此,将波函数对整个空间积分,就得出粒子在空间各点出现几率之和,结果应等于1

标准化处理和归一化处理

洛氏硬度计是一种常见的金属材料硬度测试仪器，其使用方法如下：

 1. 准备工作：将待测试的样品平稳地放置在硬度计工作台上。

 2. 调节硬度计刻度：通过旋转硬度计上的刻度盘，使压头降落到样品表面并接触，读取硬度计上的读数。如果需要进行调整，可以通过转动刻度盘来校准。

 3. 读取测试结果：按照测试要求轻轻地出压头，读取硬度计上的标度数值，提供给用户做出判断。

 4. 记录测试结果： 测试结束后需要及时记录测试结果，并进行统计和分析。 需要注意的是，在操作过程中要注意硬度计的使用规范，避免损坏或误操作。同时，检测时还需注意样品准备和样品表面的状态，确保测试的准确性和可靠性。

归一化处理和标准化处理的区别

回归问题和一些机器学习算法中，以及训练神经网络的过程中，通常需要对原始数据进行中心化（Zero-centered或者Mean-subtraction（subtraction表示减去））处理和标准化（Standardization或Normalization）处理

数据标准化（归一化）处理是数据挖掘的一项基础工作，不同评价指标往往具有不同的量纲和量纲单位，这样的情况会影响到数据分析的结果，为了消除指标之间的量纲影响，需要进行数据标准化处理，以解决数据指标之间的可比性。原始数据经过数据标准化处理后，各指标处于同一数量级，适合进行综合对比评价

归一化 标准化

1、为了定量地描述微观粒子的状态,量子力学中引入了波函数,并用ψ表示.一般来讲,波函数是空间和时间的函数,并且是复函数,即ψ=ψ(x,y,z,t).波函数应满足标准化条件及归一化条件：

（1）、标准化条件：单值, 连续 ,有限（平方可积）. 归一化不是必须的,比如平面波函数就不能归一,虽然实际存在的波函数都是归一的.（2）、归一化条件：由于粒子肯定存在于空间中,因此,将波函数对整个空间积分,就得出粒子在空间各点出现几率之和,结果应等于1

归一化处理程序

归一化法计算公式：Z=R+jωL=R(1+jωL/R) ，归一化方法有两种形式，一种是把数变为（0，1）之间的小数，一种是把有量纲表达式变为无量纲表达式。主要是为了数据处理方便提出来的，把数据映射到0～1范围之内处理，更加便捷快速，应该归到数字信号处理范畴之内

标准化和归一化的取舍选择

入门：把数据标准化，归一化，时间序列，回归模型，相似度算法，相关性算法，各种距离，Arima算法，hotwinter指数平滑，多元回归，最小二程法曲线拟合，决策树，随机森林，kmeans聚类，knn分类，BP神经网络分类与预测，贝叶斯分类算法，SVM. 马尔可夫链，aprior算法都详细看下，能用简单数据推导出结果。

实践：用户画像中的RFM模型和Kmeans聚类。

商品组合使用的购物篮算法即apriori。推荐系统中的协同过滤算法(其实是相似度计算)。

语义分析中的分词和主题提取以及特征向量提取，词频分析与文本相似度计算。

信用欺诈模型中贝叶斯的应用(其实就是分类)。基于神经网络的销量预测或者继续指数平滑或者时间序列的短期预测。机器学习：工具使用什么tensorflow或者spark mlib或者mahout。重点要把神经网络这个算法搞清楚。多练习，多做例子，多做推导。唉，乱七八糟的，不知道自己写的是什么。

归一化 标准化 正则化

归一化是为了消除不同数据之间的量纲，方便数据比较和共同处理；正则化而是利用先验知识，在处理过程中引入正则化因子，增加引导约束的作用。

标准化归一化法计算公式

归一化，就是为了限定你的输入向量的最大值跟最小值不超过你的隐层跟输出层函数的限定范围。比如，你的隐层的传递函数为logsig，那么你的输出就在0~1范围内，如果你的传递函数为tansig，你的隐层的输出在-1~·范围内，用归一化，这也是为了你的隐层传递函数的输出着想。

标准化，只是对数据进行了统一的标准，其大小可能已经超出了隐层传递函数的界定范围，在后续的运行时，容易出错。