我认为这取决于数据。如果您知道您的功能是有界的，您可以将其缩放到$[0,1]$。如果它是二进制的，我猜$\{0,1\}$是一个不错的选择，也许是$\{-1,1\}$。现在，如果它是无限的，标准化为$\text Z$ -scores $\overline x = 0$ , $\sigma=1$是一个合理的选择。

与 K-means 类似，KNN 使用距离度量。所以

• 最好对特征进行归一化。如果不是，则具有较大值的特征将占主导地位。
• 如果您有太多离散变量并使用虚拟编码，则距离测量将无法正常工作。

另外，我认为我对 K-means 的回答将回答您的问题，即如果我们不对特征进行规范化可能会发生什么。

标准化 K-Means 中的一些特征