对侧标准化和强度归一化的区别

对侧标准化和强度归一化是两种不同的数据预处理方法，它们在目的和方式上存在一些差异。

对侧标准化是一种数据转换技术，它通过将特征数据与另一列数据进行比较，将其标准化到均值为0，标准差为1的分布。这种方法主要用于特征之间的比例关系分析，可以揭示不同特征之间的相对重要性。对侧标准化的关键是选择用于比较的对侧，可以是平均值、中位数或其他统计量。

强度归一化则是数据线性变换的过程，它通过将特征数据线性变换到[0,1]或[-1,1]的区间，实现数据的无量纲化。强度归一化在机器学习中常用，特别是处理高维数据时，可以避免维度灾难，加快算法收敛速度。常用的强度归一化方法包括Min-Max归一化、Z-Score标准化和Min-Max-Min（M-P-M）标准化等。这种方法更适合用于特征数据的归一化处理。

总的来说，对侧标准化主要关注特征之间的相对重要性，通过比较和转换揭示特征之间的相对强度和重要性；而强度归一化则更关注特征数据的无量纲化和线性变换，以适应不同的机器学习算法和数据处理需求。两种方法在应用场景和数据处理上有所区别。