= Нормализация данных =
Применяются независимо Приведение данных всех данных к столбцу X Важно в sklearnединому формату.preprocessing есть метод normalize, но это не то, что нам нужно, он рассматривает нормализацию с геометрической точки зрения(представляет объект в виде вектора), а не по столбцам '''Минмакс, Подробнее читай [0;1] масштабирование''' <tex> x_{new} = \dfrac{x_{old} - \min[X]}{\max[X] - \min[X]}<http:/tex> После нормализации: <math>\min[X_{new}] = 0</math> и <math>\max[X_{new}] = 1<neerc.ifmo.ru/math> '''Стандартизация, Z-масштабирование'''<tex> x_{new} = \dfrac{x_{old} - \mathbb{E}[X]}{\mathbb{D}[X]}<wiki/tex> После нормализации: <math>\mathbb{E}[X_{new}] index.php?title= 0</math> и <math>\mathbb{D}[X_{new}Нормализация_набора_данных тут] = 1</math>
= Декорреляция =
