不同分布的特征经standardization后的range

算最近邻的时候是用normalization好，还是standardization好？

normalization后，每个特征的feature都是0到1

standardization后，每个特征没有一个固定的上下界

我通过实验的方式探究了下standardization后feature的range

col_A是p = 0.1的伯努利分布

col_B是tweedie分布

col_C是90000到100000的均匀分布

进行standardization

经过standardization后，各个feature的range

可以看到

col_A_std的范围是(-0.32,3.15)

col_B_std的范围是(-0.70,5.24)

col_C_std的范围是(-1.73,1.68)

综上，standardization后确实range范围不一，那么在计算欧式距离时仍然会存在问题(虽然经过standardization后数据量级的差距并不算大)，所以在进行KNN或者distance-based算法的时候进行归一化normalization是更好的。但是normalization比较容易受到离群点的影响，standardization受离群点的影响会小一些。