关于归一化和numpy.log处理数据的疑问

Question

在数据挖掘中, 有对数据进行归一化处理，比如StandardNormalization, 这种归一化处理的
好处是对异常的离散数值有很好的效果, 而numpy.log 可以对一些离散的异常数值有这种处理,
经过这种log处理后，得到的直方图更接近高斯分布, 我的问题是：
1. 我在网上看到一些大数据挖掘方面的资料，利用LogisticRegressor, 并没有对数据进行
归一化处理, 这种归一化是否不一定必须的 ？
2. 如果采用了 StandardNormalization 这种归一化处理，是否也相当于采用了Log处理的效果，而且数值被限定在更小的范围之内？
3. 数据挖掘中，如果用到 LogisticRegressor这种算法，是否直接对那些离散值直接进行StandardNormalization处理，不用采用Log处理？

Answer 1

(1)是不是必须的要看你的算法。比如说你用了sigmoid之类的激活函数来实现非线性，如果你的数据偏离原点很远，那么就学不起来。就需要归一化。总之，和你的机器学习的算法有关，有的的确差异不大。
(2)不是，标准归一化是将数据按照正态分布处理，均值为0，方差为1，不是指数归一化。
(3)逻辑回归用StandardNormalization就可以了，最好使用修正正切（ReLU）之类的非线性函数。