希望这篇随笔能够从一个实用化的角度对ML中的标准化方法进行一个描述。即便是了解了标准化方法的意义，最终的最终还是要：拿来主义，能够在实践中使用。
动机：标准化的意义是什么？
我们为什么要标准化？想象我们有一个Data Matrix $mathbf{X}in mathbb{R}^{n imes d}$ 我们首先必须要做的事情就是对这个Data Matix进行标准化，意义是：“取消由于量纲不同、自身变异或者数值相差较大所引起的误差。”这个解释还不是很明白，那么我们可以想象如果不进行标准化会发生什么。首先这个Data Matrix $mathbf{X}$ 的每一行就代表了一个样本，我们需要利用这些样本feature之间的差异来完成我们的机器学习任务，such as regression and classification。接着我们就要使用不同的算法和模型来完成我们的任务，如果你直接对把这些raw data喂给模型。那么一个可能出现的情况就是模型参数的爆炸或者消失，同时训练速度可能会相当慢。这种情况的影响我的理解是很容易造成样本特征的模糊或者消失，虽然我们仍然能够对模型进行训练，但是效果可能非常不好。
好了，现在我们理解了标准化的意义，那么一个可能的思索是这样的：既然我们对原始数据进行了标准化处理，那么假如来了新数据我们应该咋办？要知道我们训练模型的目的是为了泛化，我们训练了一个模型之后该对付新来的数据呢，比如：使用标准化之后的模型训练了一个分类器，现在又来了一个样本，显然它没办法直接用我们训练的模型进行分类(因为我们的模型是用标准化之后的数据处理的鸭)。我的想法是，有两种方法：1. 在对数据矩阵标准化的时候记录下标准化参数，当有新的数据喂给模型的时，先要对这个数据进行一样的标准化处理。2. 我们用标准化后的数据训练了一个模型，模型参数为$mathbf{W}_{N}$，能够用这个模型参数倒推“不进行标准化”的模型参数$mathbf{W}$。这样我们获得了一个trained original model。这个模型能够直接处理不进行标准化的数据。很显然，第一个方法要比第二个方法简单通用的多。
最常用的标准化方法：Z-score and Max-Min Normalization
wikipedia上有一个表格，记录下了标准化的方法：
| Name | Formula | Use |
|---|---|---|
| Standard score |  |
Normalizing errors when population parameters are known. Works well for populations that are normally distributed[2] |
| Student's t-statistic |  |
the departure of the estimated value of a parameter from its hypothesized value, normalized by its standard error. |
| Studentized residual |  |
Normalizing residuals when parameters are estimated, particularly across different data points in regression analysis. |
| Standardized moment |  |
Normalizing moments, using the standard deviation  as a measure of scale. |
| Coefficient of variation |
 |
Normalizing dispersion, using the mean  as a measure of scale, particularly for positive distribution such as the exponential distribution and Poisson distribution. |
| Min-Max Feature scaling |  |
Feature scaling is used to bring all values into the range [0,1]. This is also called unity-based normalization. This can be generalized to restrict the range of values in the dataset between any arbitrary points  and  , using for example . |
其中最最常用的两个就是Min-Max Feature scaling和Standard score(也叫Z-score)，原理和功能可以点上面的链接了解，下面介绍一下实现的步骤和一些坑。
Z-score
按如下方法标准化Data Matirx矩阵的每一列 $mathbf{x}_i$ of $mathbf{X}(1leq ileq d)$：(这里解释一下为什么是按列标准化：数据矩阵的每一列就代表了样本的每一维，我们想通过标准化来更好的处理该维度的特征，可以想想按行标准化是什么效果：make no sense)$$z_{ij}leftarrow frac{x_{ij}- ext{mean}(mathbf{x}_i)}{ ext{std}(mathbf{x}_i)}$$
其中$x_{ij}$代表$mathbf{x}_i$的第$j$个条目，同样的$z_{ij}$代表$mathbf{z}_iin mathbb{R}^n$的第$j$个条目，$mathbf{overline{Z}}=(mathbf{1},mathbf{z}_1,cdots,mathbf{z}_d)in mathbb{R}^{n imes(d+1)}$， mean和std就是按列求每一列的均值啦，我们接下来处理$mathbf{overline{Z}}$这个矩阵就好了~~为什么这里会多一维呢？你可能已经知道这个多出来的一叫做dummy variable，我的理解是它一方面可以简化我们的模型表达，一方面提供了一个相当相当广义的正则化处理，降低了噪声的影响（当然这是我见过的大部分模型的需要，需要灵活处理，思想懂了就简单）。
Min-Max Feature scaling
这个标准化方法在我看来就非常的简单粗暴了，方式如下：$$z_{ij}leftarrow frac{x_{ij}- ext{min}(mathbf{x}_i)}{ ext{max}(mathbf{x}_i)- ext{min}(mathbf{x}_i)}$$
其中$x_{ij}$代表$mathbf{x}_i$的第$j$个条目，同样的$z_{ij}$代表$mathbf{z}_iin mathbb{R}^n$的第$j$个条目，$mathbf{overline{Z}}=(mathbf{1},mathbf{z}_1,cdots,mathbf{z}_d)in mathbb{R}^{n imes(d+1)}$， max和min是按列求每一列的最大和最小值。
实现中可能出现的问题：
假如我们的数据矩阵比较稀疏，可能会出现一整列都是0的情况。此时我们发现上面两个方法的分母都为0，出现除以0的情况，这时我们该怎么办？一个比较合理的想法是假如有一整列的0，我们可以标准化后保留。一列零还让它是一列零。那么我们可以对求得的分母加上一个epsilon，也就是一个小量，1e-8这样的量级。这样一列零的情况还是一列零，$ ext{std}$ 或者 $ ext{max}- ext{min}$不为0的情况也不会受影响。