Todos los algoritmos basados en la distancia requieren escala. Esto incluye todos los algoritmos de ajuste de curvas (regresiones lineales / no lineales), regresión logística, KNN, SVM, redes neuronales, algoritmos de agrupamiento como el agrupamiento de k-medias, etc.
Los algoritmos que se utilizan para la factorización de la matriz, la descomposición o la reducción de la dimensionalidad como PCA, SVD, máquinas de factorización, etc. también requieren normalización.
Los algoritmos que no requieren normalización / escala son los que se basan en reglas. No se verían afectados por ninguna transformación monotónica de las variables. La escala es una transformación monotónica: el orden relativo de un valor menor a mayor en una variable se mantiene después de la escala. Ejemplos de algoritmos en esta categoría son todos los algoritmos basados en árboles: CART, bosques aleatorios, árboles de decisión potenciados por gradiente, etc. Estos algoritmos utilizan reglas (series de desigualdades) y no requieren normalización.
- ¿Se conoce algún algoritmo general para factorizar números muy grandes?
- ¿Cómo eliminará elementos de manera eficiente mientras itera una Colección?
- ¿Cuáles son las diferencias entre las estructuras de datos y los algoritmos?
- ¿Cuál es la principal ventaja de utilizar la búsqueda de profundización iterativa en comparación con la búsqueda de amplitud primero?
- ¿Cómo explica la localidad de caché el hecho de que la ordenación rápida suele ser más rápida que la ordenación por fusión?
Además, los algoritmos que se basan en distribuciones de las variables, como Naive Bayes, tampoco necesitan escalarse.
