典型相關(guān)分析前是否要將數(shù)據(jù)標(biāo)準(zhǔn)化？，it 沒有必要。數(shù)據(jù)標(biāo)準(zhǔn)化的目的有兩個:1)計(jì)算機(jī)大規(guī)模使用之前，都是手工計(jì)算，不容易出錯；使用計(jì)算后，數(shù)據(jù)標(biāo)準(zhǔn)化后可以節(jié)省機(jī)時。現(xiàn)在計(jì)算機(jī)的速度已經(jīng)很高了，沒有

典型相關(guān)分析前是否要將數(shù)據(jù)標(biāo)準(zhǔn)化？

數(shù)據(jù)標(biāo)準(zhǔn)化的目的有兩個:1)計(jì)算機(jī)大規(guī)模使用之前，都是手工計(jì)算，不容易出錯；使用計(jì)算后，數(shù)據(jù)標(biāo)準(zhǔn)化后可以節(jié)省機(jī)時?，F(xiàn)在計(jì)算機(jī)的速度已經(jīng)很高了，沒有必要進(jìn)行標(biāo)準(zhǔn)化。2)標(biāo)準(zhǔn)化后，結(jié)果更直觀。在今天 的計(jì)算機(jī)開發(fā)，它就像你希望的那樣直觀，只是一個命令。結(jié)論:無論數(shù)據(jù)是否標(biāo)準(zhǔn)化，典型相關(guān)分析的結(jié)果是一致的。

spss為什么要對數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理？

不是，數(shù)據(jù)標(biāo)準(zhǔn)化的目的是統(tǒng)一變量的單位(不適用于不同單位的變量之間的直接統(tǒng)計(jì)分析，標(biāo)準(zhǔn)化使所有變量的單位統(tǒng)一為sd)。我們用SPSS做主成分分析時，默認(rèn)使用變量的相關(guān)矩陣進(jìn)行運(yùn)算，相關(guān)系數(shù)是一個標(biāo)準(zhǔn)化的統(tǒng)計(jì)量，也就是說主成分分析的過程已經(jīng)包含了標(biāo)準(zhǔn)化的過程，不需要再對數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化。

spss求相關(guān)系數(shù)時它自己首先進(jìn)行標(biāo)準(zhǔn)化處理嗎？

協(xié)方差可以用來表示變量之間共同變化的程度，相關(guān)系數(shù)是協(xié)方差標(biāo)準(zhǔn)化后得到的統(tǒng)計(jì)量。

spss求相關(guān)系數(shù)時它自己首先進(jìn)行標(biāo)準(zhǔn)化處理嗎？

數(shù)據(jù)處理時，為什么通常進(jìn)行標(biāo)準(zhǔn)化處理？

為什么要標(biāo)準(zhǔn)化數(shù)據(jù)？

在現(xiàn)實(shí)生活中，一個目標(biāo)變量(Y)可以被認(rèn)為是受到多個特征變量(X)的影響和控制，因此這些特征變量的維數(shù)和數(shù)值順序會有所不同，例如x1 =10000，x2 = 1，x3 = 0.5，可以清楚地看到特征x1，x2，x3之間存在維數(shù)差距；

x1對目標(biāo)變量的影響會大于x2和x3(可以說目標(biāo)變量受x1控制，但x2和x3的影響相對較小，一旦x1的值出現(xiàn)問題，會直接影響目標(biāo)變量的預(yù)測，如果目標(biāo)變量的預(yù)測值被x1壟斷，會出現(xiàn)高風(fēng)險(xiǎn)預(yù)測)，而通過標(biāo)準(zhǔn)化， 可以使不同的特征變量具有相同的尺度(也就是說，將特征的值控制在一定的范圍內(nèi))，從而可以用多個相同大小的特征變量來控制目標(biāo)變量，這樣，在使用梯度下降法學(xué)習(xí)參數(shù)時，不同的特征對參數(shù)的影響是相同的。 比如在訓(xùn)練神經(jīng)網(wǎng)絡(luò)的過程中，可以通過標(biāo)準(zhǔn)化數(shù)據(jù)來加速權(quán)值參數(shù)的收斂。

簡而言之，數(shù)據(jù)標(biāo)準(zhǔn)化的目的就是消除特征之間的差異，讓特征全心全意地學(xué)習(xí)權(quán)重。

從(1)我們可以知道，當(dāng)原始數(shù)據(jù)不同維度的特征尺度(單位)不一致時，就需要一個標(biāo)準(zhǔn)化的步驟。突然對數(shù)據(jù)進(jìn)行預(yù)處理，否則不需要對數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化。