মান 0, 1 সহ একটি বাইনারি পরিবর্তনশীল (সাধারণত) (মান - গড়) / এসডি স্কেল করা যায় যা সম্ভবত আপনার জেড-স্কোর।
এর মধ্যে সর্বাধিক সুস্পষ্ট সীমাবদ্ধতা হ'ল আপনি যদি সমস্ত শূন্য বা সমস্ত পেয়ে থাকেন তবে এসডি অন্ধভাবে প্লাগ ইন করার অর্থ জেড-স্কোর অনির্দিষ্ট। মান পর্যন্ত যতটা শূন্যকেও নির্ধারিত করার ক্ষেত্রে একটি মামলা রয়েছে - গড়টি একইভাবে শূন্য। ভেরিয়েবলটি যদি সত্যিই ধ্রুবক হয় তবে অনেক পরিসংখ্যানগত জিনিস খুব বেশি অর্থ বোধ করতে পারে না। আরও সাধারণভাবে, তবে এসডি ছোট হলে স্কোরগুলি অস্থির এবং / বা ভালভাবে নির্ধারিত না হওয়ার ঝুঁকি বেশি থাকে।
আপনার প্রশ্নের আরও ভাল উত্তর দেওয়ার ক্ষেত্রে একটি সমস্যা হ'ল "মেশিন লার্নিং অ্যালগরিদম" আপনি কী বিবেচনা করছেন is দেখে মনে হচ্ছে এটি একটি অ্যালগরিদম যা বেশ কয়েকটি ভেরিয়েবলের জন্য ডেটা একত্রিত করে এবং তাই এটি সাধারণত অনুরূপ আকারগুলিতে সরবরাহ করার জন্য অর্থবোধ করবে।
(লেটার) মূল পোস্টারটি একে একে মন্তব্য যুক্ত করার সাথে সাথে তাদের প্রশ্নটি মোরফিং করছে। আমি এখনও বিবেচনা করি যে (মান - গড়) / এসডিটি বাইনারি ভেরিয়েবলগুলির পক্ষে এতক্ষণ ধরে বোঝায় (অর্থাত্ অযৌক্তিক নয়) যতক্ষণ না এসডি ইতিবাচক থাকে। তবে লজিস্টিক রিগ্রেশনটিকে পরে অ্যাপ্লিকেশন হিসাবে নামকরণ করা হয়েছিল এবং এর জন্য বাইনারি ভেরিয়েবলগুলিকে 0, 1 হিসাবে খাওয়ানো ছাড়া কোনও তাত্ত্বিক বা ব্যবহারিক লাভ (এবং প্রকৃতপক্ষে কিছু সরলতার ক্ষতি) নেই। আপনার সফ্টওয়্যারটি ভালভাবে মোকাবেলা করতে সক্ষম হবে যে; যদি তা না হয় তবে সেই সফ্টওয়্যারটি এমন কোনও প্রোগ্রামের পক্ষে রেখে দিন can শিরোনাম প্রশ্নের পদে: পারি, হ্যাঁ; উচিত, না।