从一个困惑开始

你想弄懂什么？

找到答案，看到讲解发生的那一刻，再顺着概念继续探索。

视频原语言

关于「归一化和标准化有什么区别？」

2 个关键词匹配

相关概念

正在理解你的问题，下面的搜索结果可先查看。

理解原因

基于树的模型不需要特征缩放，因为它们根据特征条件（阈值）而不是绝对量级来分割数据。特征值的单调重缩放不会改变分支结构或分裂的顺序。

适用条件：模型是决策树或树的集成（随机森林、XGBoost 等）。；分裂逻辑基于将特征值与阈值进行比较。

理解原因

需要特征缩放是因为原始特征通常在单位和量级上有所不同，使它们不可比较。缩放将它们带到共同的尺度上，这对于许多机器学习算法正常工作是必要的。

适用条件：数据集包含具有不同单位或范围的多个特征。；模型对特征量级敏感（例如，基于距离或梯度的模型）。