数据前处理和结构性思维

一、数据前处理

在做机器学习时候，有的模型需要将数据处理后才能训练。见过两种数据处理类型，一个是归一化，另一个是正态化。有点疑问！

就拿归一化的来说。假设现在有一组身高和体重的数据，本来是1米5到2米的人身高，为什么可以通过极差标准化变成0到1的数值？不会有影响吗？

既然有“为什么可以”，就有“为什么不可以”。对呀，为什么不可以呢？我在想，一组数据是不是有其抽象的特征，只要保证特征一致，就可以对其运算。

在知乎看到博主也有相关问题，但是没有给出合理的答复。

应该要向up主“老奇好好奇”学习，既有对问题的敏感，也要有刨根问底的实践。比如为了解极化码，一直找到信息论鼻祖香农的论文。「链接」

放到这件事情，要找到是谁最早做了归一化。英文太差是主要的限制因子，但是也只有开始了才能变好。人在床上躺，水平没法涨。

二、结构化思维

听到已经习以为常的词“找规律”，突然迸发出不一样的感觉。要靠练，聚类然后套规律。对有些类型的问题，自然就有两种思路。

比如说，当同学吐槽大学几年下来也没有找到对象。脑中立即有了两种思路。是你去加入社团，参加活动努力找了？还是根本就没有行动，然后说没有找到？

还有当我们和Chatgpt对话时，问经营分析报告应该怎么写，它立刻就能给出一二三四。所以要善用工具，站在巨人的肩膀上，少拍脑袋凭空创造。

很多事情有了不同角度时，自然就是结构化的。

三、少看吐槽，多找解决办法

研究生入学考试中的英语试题，尤其是阅读理解，总有一两个模棱两可的，观察网络上相关吐槽支持众，接下来就是应试教育没有办法云云，再上升到阶级固化，生活压力之类。好像社会阴暗，幸灾乐祸，得到共鸣。但是有解决问题嘛？没有。

联系到社会上一些现象，比如被行政拘留的陈某龙，因为捏造怒怼加班文化的聊天记录。那些发泄的文字爽吗？当然。但是有解决问题嘛？没有。

吐槽的东西，抱怨的东西听听就够了。重要的是解决办法。

如同我们遇到对方只是一味给予负能量，说你这不行那不行，肯定办不到，还是少接触这样的人好，更不必说交朋友了。如果对方不仅指出问题，还提出了解决办法，那还是不错的。

原发布时间：2023-04-12 11:57