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「为什么像 KNN 和 K-means 这样的基于距离的算法需要缩放？」

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。

判断用途

对于依赖欧几里得距离或基于梯度的优化的算法，应使用特征缩放，例如 KNN、K-means、线性回归、逻辑回归和神经网络。对于基于树的模型，如决策树、随机森林和 XGBoost，通常不需要缩放。

适用条件：模型使用对特征尺度敏感的度量或迭代优化。；模型不是基于树或树的集成。