Book6_Ch04_第3节 4.3 标准化：Z 分数

[virtualxiaoman]

原文：标准化通常是指将数据缩放到均值为 0，标准差为 1 的标准正态分布上。 存疑处：均值为 0，标准差为 1肯定没问题，但说是缩放到标准正态分布我感觉有点不妥（或者说容易引起误解）。 原因：Z-Score标准化不会改变原始数据的分布形状，分布形状并不会变成正态分布，比如如下代码：

# 生成一组对数正态分布的数据
x = stats.lognorm.rvs(0.5, size=1000)
# 绘制直方图
plt.hist(x, bins=50, density=True, alpha=0.6, color='g')
plt.show()
# 对x进行z-score标准化
x_zscore = stats.zscore(x)
# 绘制直方图
plt.hist(x_zscore, bins=50, density=True, alpha=0.6, color='g')
plt.show()

建议：Z-Score并没有改变原始数据的分布形状，所以我认为可以改为：使得处理后的数据具有固定均值0和标准差1(但不一定是正态)。

[Visualize-ML]

谢谢你，这个表述确实不准确；这个issue先开着，会在纸质书修改。请继续批评指正。