MinMaxScaling与L1 / L2归一化

Question

我想知道不同类型的重缩放数据的区别或应用。

到目前为止，我知道标准化假设数据具有高斯分布。因此，如果是这种情况，我们应该标准化并获得正态分布N〜（0,1）中的值。

如果我们的模型没有关于数据分布的假设（例如FCN或RandomForestClassifiers，...），并且我们不知道数据分布，或者它不是高斯分布的，则应该对数据进行规范化。但这是我的观点，有几种方法可以规范化例如使用向量的L2 / L1-Norm（这是tensorflow实施其标准归一化方法的方式）或使用MinMaxScaling。

那么，什么时候建议使用L1或L2范数进行归一化？何时选择MinMaxScaling才是正确的选择？

Answer 1

正则化不适用于重新缩放数据。