我试图找到规范化我的数据集的方法（用文档作为行和列作为特征表示为矩阵），我遇到了一种称为特征缩放的技术。我发现了一篇关于它的维基百科文章here。
列出的方法之一是标准化，它表示＆＃34;特征标准化使得数据中每个特征的值具有零均值和单位方差。＆＃34;这是什么意思（没有双关语意）？
在这种方法中，＆＃34;我们从每个特征中减去平均值。然后我们将每个特征的值（平均值已被减去）除以其标准偏差。＆＃34;当他们说“减去平均数”时，它是整个矩阵的平均值还是与该特征相关的列的平均值？
此外，如果应用此特征缩放方法，在对数据执行主成分分析（PCA）时，是否不必从列中减去平均值？
答案 0 :(得分：0)
通过查看文章，我的理解是你会减去该功能的平均值。这将为您提供一组描述相同数据布局但已标准化的功能数据。
想象一下，您为新功能添加了数据。您可能希望原始功能的数据保持不变，而不受新功能的影响。
我猜你仍然会得到一个标准化的＃34;如果你减去整个数据集的平均值，那么值的范围会有所不同 - 你可能更感兴趣的是单个特征的数据如何围绕它的平均值。
您还可以在math.stackexchange.com上查看（或提问）。
答案 1 :(得分：0)
基本思想是对数据集进行简单（可逆）转换，使其更易于处理。您从每列中减去一个常量，然后将每列除以（不同的）常量。这些常量是特定于列的。
当他们说“减去平均值”时，它是整个矩阵的平均值 或与该特征有关的列的平均值？
与该功能相关的列的平均值。
...在对数据执行主成分分析（PCA）时，是否不必从列中减去平均值？
正确。 PCA要求平均值为零的数据。通常，这是通过减去平均值作为第一步来强制执行的。如果已经减去平均值，则不需要该步骤。但是，执行＆＃34;减去平均数＆＃34;操作两次。因为第二次平均值将为零，所以没有任何改变。在形式上，我们可能会说标准化是幂等的。