सामान्यीकरण उपयोग करने के लिए अच्छा है जब आप जानते हैं कि आपके डेटा का वितरण गाऊसी वितरण का पालन नहीं करता है। … दूसरी ओर, मानकीकरण उन मामलों में मददगार हो सकता है जहां डेटा गाऊसी वितरण का अनुसरण करता है।
क्या मुझे सामान्यीकरण या मानकीकरण का उपयोग करना चाहिए?
सामान्यीकरण तब उपयोगी होता है जब आपके डेटा में अलग-अलग पैमाने होते हैं और आप जिस एल्गोरिथम का उपयोग कर रहे हैं, वह आपके डेटा के वितरण के बारे में धारणा नहीं बनाता है, जैसे कि k-निकटतम पड़ोसी और कृत्रिम तंत्रिका नेटवर्क। मानकीकरण मानता है कि आपके डेटा में गॉसियन (घंटी वक्र) वितरण है।
क्या मानकीकरण सामान्यीकरण के समान है?
व्यापार की दुनिया में, "सामान्यीकरण" का आम तौर पर मतलब है कि मूल्यों की सीमा " 0 से होने के लिए सामान्यीकृत है।0 से 1.0"। "मानकीकरण" का आम तौर पर अर्थ है कि मूल्यों की श्रेणी "मानकीकृत" है, यह मापने के लिए कि मान अपने माध्य से कितने मानक विचलन हैं।
क्या डेटा को सामान्य करना हमेशा अच्छा होता है?
सामान्यीकरण करके, आप वास्तव में डेटा के बारे में कुछ जानकारी जैसे पूर्ण अधिकतम और न्यूनतम मान फेंक रहे हैं। तो, अंगूठे का कोई नियम नहीं है। जैसा कि अन्य ने कहा, सामान्यीकरण हमेशा लागू नहीं होता है; जैसे व्यावहारिक दृष्टिकोण से।
आपको डेटा कब सामान्य नहीं करना चाहिए?
सामान्य नहीं होने के कुछ अच्छे कारण
- जुड़ना महंगा है। अपने डेटाबेस को सामान्य बनाने में अक्सर बहुत सारी टेबल बनाना शामिल होता है। …
- सामान्यीकृत डिजाइन मुश्किल है। …
- जल्दी और गंदी जल्दी और गंदी होनी चाहिए। …
- यदि आप NoSQL डेटाबेस का उपयोग कर रहे हैं, तो पारंपरिक सामान्यीकरण वांछनीय नहीं है।
