Normalization 消除用户评级中的偏见

我有一个数据集，上面有用户对图像的评分。我使用均值-标准差标准化对评分进行标准化，以消除数据集中由于用户特定偏好而产生的偏差。这是处理偏见的正确方法，还是有其他方法可以消除用户评分中的偏见。

这在以下几点上肯定是错误的：

• 如果你以这种方式通过标准偏差“标准化”输入，你所说的是“低可变性并不重要，只有离群值才有意义”——因为离群值本身的偏差会大于标准值
• 您处理的是用户满意度的“投票”，而不是“测量”。偏见，顾名思义就是关于满足感的信息——你把它扔掉了。也就是说，150年前，人们习惯于认为“没有狗，就没有爱尔兰人”这句话是可以接受的，但现在已经不那么多了。如果你想预测一家餐馆在参观后会受到多大的评价，你不能仅仅因为人们反对这个标志就打折0星级的票数

当谈到明星收视率作为预测某件事“享受”或“后悔”的可能性时，你可能想读这篇文章：

请注意，链接文章主要关注建模“鉴于过去的评级，当前的投票是否表明：（a）过去“满意度”的延续，（b）增加“满意度”的趋势转变，（c）减少“满意度”的趋势转变”以奖励明星