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
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
特征缩放： 特征缩放：特征缩放是用来标准化数据特征的范围。 特征缩放还可以使机器学习算法工作的更好。比如在K近邻算...
什么是特征缩放 特征缩放是用来标准化数据特征的范围 机器学习为什么需要特征缩放 在处理多维特征问题的时候，需要保证...
本文来自之前在Udacity上自学机器学习的系列笔记。这是第18篇，介绍了数据前处理的方法—特征缩放。 特征缩放（...
1.Chris 的 T 恤尺寸（直觉） 在某些类型的机器学习算法中，特征缩放是特征预处理的一项重要步骤 特征缩放的...
1. 简述 在某些类型的机器学习中，特征缩放是特征处理的重要步骤。在机器学习中 使用RBF的 SVM函数 和 K-...
特征缩放(feature scaling) 如果你有一个机器学习问题，这个问题有多个特征，尽量确保这些特征都处在一...
一. 为什么需要特征缩放 对于大多数的机器学习算法和优化算法来说，将特征值缩放到相同区间可以使得获取性能更好的模型...
特征缩放 机器学习项目中，我们需要应用于数据的最重要的转换之一是特征缩放。除了少数例外，当输入数字属性具有非常不同...
一. 为什么需要特征缩放 对于大多数的机器学习算法和优化算法来说，将特征值缩放到相同区间可以使得获取性能更好的模型...
特征放缩Feature Scaling 在运用一些机器学习算法的时候不可避免地要对数据进行特征缩放，比如：在随机梯...
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
网友评论