稀疏矩阵的特征标度与平均归一化

Question

在稀疏矩阵上执行特征缩放和平均归一化是个好主意吗？我有一个70%稀疏的矩阵。通常，特征缩放和平均归一化提高了算法的性能，但在稀疏矩阵的情况下，它增加了大量的非零项。

Answer 1

如果表示要稀疏是很重要的，例如，为了适应内存，那么不能意味着--在表示本身中进行正常化，不。它变得完全密集，并违背了目的。

通常，将平均归一化数学推入公式或计算的另一部分。或者，您可以在访问元素时进行规范化，之前计算了平均值和方差。

或者，如果可能的话，您可以选择一个不需要规范化的算法。

Answer 2

如果使用scikit-学习，您可以如下所示：

from sklearn.preprocessing import StandardScaler

scaler = StandardScaler(with_mean=False)
scaler.fit(data)

在这里，您可以在文档这里中看到保持稀疏性的意思。