哪些模型要對數據做標准化

1. 什麼是數據治理，為什麼要進行數據標准化

數據治理分析是將龐大數據量進行過濾整合，讓用戶可以跟進數據實時情況，方便用戶更准確快速地對數據業務進行合理分析、判斷，實現利用數據驅動業務，達到企業增值的目的。基於大數據技術研發的數據分析平台系統，通過從多個業務系統到ODS中兆姿羨間庫、ODS中間庫到數倉模型的加工過濾，再將模型綁定組件實現數據的可視化展現，可以使用戶更加形象的對不同業務的數據進行觀察分析。

既然是數據治理分析，那麼在「分族拍析」之前先要對數據進行「治理」。我們通常需要先將數據標准化，利用標准化後的數據進行數據分析，數據標准化也就是統計數據的指數化，數據標准化處理主要包括數據同趨化處理和無量綱化處理兩個方面。隨著人們研究領域的不斷擴大，所面臨的評價對象日趨復雜，如果僅依冊握據單一指標對事物進行評價往往不盡合理，所以需要多指標信息處理數據才能得到用戶想要的更為准確更有用的業務數據。

2. python中支持向量機回歸需要把數據標准化嗎

在使用支持向量機(SVM)進行回歸分析時, 數據標准化是很重斗扒要的.
SVM 中的核函數是基於輸入數據點之間的距離來定義的，如果數據點之間的距離是不一致的，那麼核函數的結果就會受到影響。標准化可以確保所有特徵在相枝腔同尺度上進行計算，空搭昌避免因為某些特徵取值范圍過大而導致其他特徵被忽略。
因此, 在使用SVM進行回歸分析時, 應該對數據進行標准化，比如使用StandardScaler類對數據進行標准化。這樣做可以使模型的預測更加准確。

3. 為什麼要對數據進行標准化處理

數據標准化主要功能是消除變數間的量綱關系，從而使數據具有可比性，一個百分制的變數與一個5分值的變數在一起比較是通過數據標准化，把它們標准到同一個標准時才具有可比性，標准化採用的是Z標准化，即均值為0，方差為1，0至1標准化等，也可根據自己的研究目的進行選擇。

4. 對地理數據進行建模分析之前,為什麼要進行數據標准化處理

因為數據的格式有許多種，有的數據還是一些提供方的加密數據，格式比較特殊，不能被常用建模軟體識別，造成建模分析無法進行或發生錯誤，所以在建模分析前要進行數據標准化的操作。
形象的來說，開一場國際學術大會，大家來自不同的國家，有的語言大家能聽懂，有的語言很生僻，芹基大部分人都聽不懂，這時候，就會普遍採用英語，來方便溝通。把各自的語言翻譯為英語就類似數據標准化的過程。
進行地嫌山謹理數據標准化，要從這幾個方面考慮：1）統一的名詞術語內涵；2）統一的數據採集原則；3）統一的空間定位框架；4）統一的數據分類標准；5）統一的數據編碼系唯腔統；6）統一的數據組織結構；7）統一的數據記錄格式；8）統一的數據質量含義
如有疑問，歡迎追問，希望可以幫到你=^_^=