哪些模型要对数据做标准化

1. 什么是数据治理，为什么要进行数据标准化

数据治理分析是将庞大数据量进行过滤整合，让用户可以跟进数据实时情况，方便用户更准确快速地对数据业务进行合理分析、判断，实现利用数据驱动业务，达到企业增值的目的。基于大数据技术研发的数据分析平台系统，通过从多个业务系统到ODS中兆姿羡间库、ODS中间库到数仓模型的加工过滤，再将模型绑定组件实现数据的可视化展现，可以使用户更加形象的对不同业务的数据进行观察分析。

既然是数据治理分析，那么在“分族拍析”之前先要对数据进行“治理”。我们通常需要先将数据标准化，利用标准化后的数据进行数据分析，数据标准化也就是统计数据的指数化，数据标准化处理主要包括数据同趋化处理和无量纲化处理两个方面。随着人们研究领域的不断扩大，所面临的评价对象日趋复杂，如果仅依册握据单一指标对事物进行评价往往不尽合理，所以需要多指标信息处理数据才能得到用户想要的更为准确更有用的业务数据。

2. python中支持向量机回归需要把数据标准化吗

在使用支持向量机(SVM)进行回归分析时, 数据标准化是很重斗扒要的.
SVM 中的核函数是基于输入数据点之间的距离来定义的，如果数据点之间的距离是不一致的，那么核函数的结果就会受到影响。标准化可以确保所有特征在相枝腔同尺度上进行计算，空搭昌避免因为某些特征取值范围过大而导致其他特征被忽略。
因此, 在使用SVM进行回归分析时, 应该对数据进行标准化，比如使用StandardScaler类对数据进行标准化。这样做可以使模型的预测更加准确。

3. 为什么要对数据进行标准化处理

数据标准化主要功能是消除变量间的量纲关系，从而使数据具有可比性，一个百分制的变量与一个5分值的变量在一起比较是通过数据标准化，把它们标准到同一个标准时才具有可比性，标准化采用的是Z标准化，即均值为0，方差为1，0至1标准化等，也可根据自己的研究目的进行选择。

4. 对地理数据进行建模分析之前,为什么要进行数据标准化处理

因为数据的格式有许多种，有的数据还是一些提供方的加密数据，格式比较特殊，不能被常用建模软件识别，造成建模分析无法进行或发生错误，所以在建模分析前要进行数据标准化的操作。
形象的来说，开一场国际学术大会，大家来自不同的国家，有的语言大家能听懂，有的语言很生僻，芹基大部分人都听不懂，这时候，就会普遍采用英语，来方便沟通。把各自的语言翻译为英语就类似数据标准化的过程。
进行地嫌山谨理数据标准化，要从这几个方面考虑：1）统一的名词术语内涵；2）统一的数据采集原则；3）统一的空间定位框架；4）统一的数据分类标准；5）统一的数据编码系唯腔统；6）统一的数据组织结构；7）统一的数据记录格式；8）统一的数据质量含义
如有疑问，欢迎追问，希望可以帮到你=^_^=