Меня интересует различие или применение различных типов данных масштабирования.
До сих пор я знаю, что стандартизация предполагает, что данные имеют гауссово распределение. Поэтому, если это так, мы должны стандартизировать и получить значения в нормальном распределении N ~ (0,1).
Если в нашей модели нет предположений о распределении данных (например, FCN или RandomForestClassifiers, ...) и мы не знаем о распределении данных, или оно просто не распределено по Гауссу, нам следует нормализовать данные. Но вот моя точка зрения, есть несколько методов для нормализации, например, используя L2 / L1-норму вектора (это то, как тензор потока реализовал их стандартный метод нормализации) или используя MinMaxScaling.
Так когда же рекомендуется нормализация с использованием нормы L1 или L2 и когда MinMaxScaling является правильным выбором?