机器学习输入的特征数据进行训练时需要进行标准化、归一化，使数据的分布符合正态分布模型（生活中多数数据都是此模型），或者与与参数相符合的模型分布，一般是把数据缩放到[0,1]或者[-1,1]之间，如果数据有缺失，还需要填补缺失的数据。详情请见：数据预处理最要使用的方法有几大类：
- 绝对值最大值法
（找出参数的最大值，然后使用参数集合中的数除以此最大值） - 最小最大值法
- 参数编码法
- 数据降维（PCA和SVD分解）
机器学习输入的特征数据进行训练时需要进行标准化、归一化，使数据的分布符合正态分布模型（生活中多数数据都是此模型），或者与与参数相符合的模型分布，一般是把数据缩放到[0,1]或者[-1,1]之间，如果数据有缺失，还需要填补缺失的数据。详情请见：数据预处理最要使用的方法有几大类：
本文标题：数据预处理
本文链接：https://www.haomeiwen.com/subject/xhupuxtx.html
网友评论