Python 我应该为knn规范化或标准化我的数据集吗？

我试图使用knn进行分类任务，我的数据集包含分类特征，这些特征是一个热编码的，数字特征，如价格等。，以及我的文本列的BoW（CountVectorizer）向量

我知道knn受到缩放的影响。所以我不知道在这里用什么

from sklearn.preprocessing import StandardScaler
from sklearn.preprocessing import Normalizer
from sklearn.preprocessing import normalize

---

我的建议是去

其中一个主要原因是，您的特性（如price）不能有负值，而且正如您所提到的，它可能是稀疏的

来自文档：

使用这种缩放的动机包括非常小的鲁棒性 特征的标准差与稀疏空间中的零项保持 数据

同时，如果数值变量的方差很大，则选择或

您不必缩放一个热编码的特征

对于BoW，保持数据的稀疏性很重要。如果应用StandardScaler，将失去稀疏性。你一定要选择MinMaxScaler。

---

另一个选择是使用默认的l2规范化

StandardScaler

对于数字功能应该足够了。@SergeyBushmanov price列中的许多行都是零？我仍然可以使用standardscaler进行标准化吗？您观察到许多价格都是零，这可能会导致您进入另一个功能预处理管道，但通常情况下，会对具有不同比例的数字功能应用

standardscaler

。这对我们来说很重要KNN@SergeyBushmanov我有一个小问题。您提到仅标准化我的数字特征，但我已将PCA应用于我的弓特征，我正在考虑是否应将它们与数字特征一起标准化，而忽略分类特征。弓已经是性能良好的特征。我想你不需要标准化它们。但是，如果您愿意，您可以始终交叉验证，如果这样做有意义的话。我可以知道您所说的保留数据稀疏性是什么意思吗。实际上，我在弓上使用了PCA，并将其转换为更小的维度。因此，我现在可以对其应用缩放还是任其发展。

保留数据的稀疏性

意味着即使在标准化之后，特征中的零也将保持为零。稀疏性仅仅意味着非零值的数量更少。BoW通常有很多零，因为每个文档并不包含词汇表中的所有单词。