⚠️نرمال‌سازی در برابر استانداردسازی: چرا این دو یکسان نیستند؟

بسیاری از افراد این دو مفهوم را به جای یکدیگر به کار می‌برند، اما در واقع یکسان نیستند.

👉 نرمال‌سازی (Normalization یا Min-Max Scaling):
مقادیر داده را به بازه‌ای بین ۰ تا ۱ فشرده می‌کند.
🪔این روش زمانی مفید است که بزرگی و مقیاس مقادیر اهمیت داشته باشد؛ مانند مقادیر پیکسل‌های تصویر یا محاسبه فاصله‌ها.

👉 استانداردسازی (Standardization یا Z-Score):
داده‌ها را به گونه‌ای تبدیل می‌کند که میانگین برابر با ۰ و انحراف معیار برابر با ۱ شود.
🪔این روش زمانی مفید است که شکل توزیع داده‌ها و ویژگی‌های آماری آن‌ها اهمیت داشته باشد؛ مانند رگرسیون خطی، رگرسیون لجستیک و تحلیل مؤلفه‌های اصلی (PCA).

🔑 نکته :

⭕️نرمال‌سازی نسبت‌ها و تناسب‌های نسبی بین مقادیر را حفظ می‌کند.

⭕️استانداردسازی ساختار آماری داده‌ها را حفظ می‌کند.
#Normalization
#Standardization
@toobabigdatascience