这很可能是一个愚蠢的问题，但是作为Python / Numpy的初学者，我还是会问。我遇到了很多有关如何在numpy中规范化数组/矩阵的帖子。但是我不确定为什么。为什么/何时需要在numpy中对数组/矩阵进行规范化？什么时候使用？
Normalize在差异上下文中可以有多种含义。我的问题属于数据分析/数据科学领域。在这种情况下，规范化是什么意思？或者更具体地说，在什么情况下应该规范化数组？
该问题的第二部分是-标准化的方法有哪些，可以在所有情况下互换使用吗？
第三部分也是最后一部分-规范化可以用于任何尺寸的数组吗？
将链接到任何参考材料（对于初学者）。
答案 0 :(得分：2)
考虑尝试对具有两个数字属性A和B的对象进行聚类。两者同等重要。属性A的范围可以从0到1000，属性B的范围可以从0到5。
如果不对A和B进行归一化，则在应用任何标准距离度量标准时，属性A最终将完全超过属性B。