美文网首页机器学习
机器学习入门_特征缩放

机器学习入门_特征缩放

作者: 向着光噜噜 | 来源:发表于2023-09-27 15:05 被阅读0次

    1、为什么要特征缩放

    分类时候使用一些算法基于欧几里得距离,欧几里得距离对特征尺度非常敏感。

    下面给出了一些对特征缩放非常敏感的算法。 这些算法对特征缩放很敏感,因为它们取决于距离和高斯曲线。

         线性和逻辑回归

         神经网络

         支持向量机

         K均值聚类

         K最近邻居

         主成分分析

    对特征缩放不敏感的算法。对特征缩放不敏感的算法通常是“基于树的”算法

        分类和回归树

         森林随机回归

    2、主要操作

    归一化:在0到1之间缩放要素值归一化。这称为最小-最大缩放。

    标准化:基于标准偏差。 它衡量功能中价值的传播。 这是最常用的之一。

    标准化和归一化经常可互换使用。 虽然归一化是在0到1之间缩放值,但是标准化大约是将平均值设为0,将标准偏差设为1。在确定我们需要标准化还是归一化时,需要考虑一些要点。

    当数据代表高斯曲线时,可以使用标准化

    标准化不受异常值的影响。

    归一化对异常值的影响很高

    非高斯曲线表示时的归一化效果很好

    相关文章

      网友评论

        本文标题:机器学习入门_特征缩放

        本文链接:https://www.haomeiwen.com/subject/akyhbdtx.html