数据挖掘2

归一化数值:
方程中数字差值最大的属性对计算结果的影响最大，也就是说，每年获取的飞行常客里程数对于计算结果的影响将远远大于表2-3中其他两个特征— 玩视频游戏的和每周消费冰洪淋公升数— 的影响。而产生这种现象的唯一原因，仅仅是因为飞行常客里程数远大于其他特征值。但海伦认为这三种特征是同等重要的，因此作为三个等权重的特征之一，飞行常客里程数并不应该如此严重地影响到计算结果。
在处理这种不同取值范围的特征值时，我们通常采用的方法是将数值归一化，如将取值范围处理为0到1或者-1到1之间。下面的公式可以将任意取值范围的特征值转化为0到1区间内的值：
n e w V a l u e = (o l d V a l u e - m i n ) / (max-min)
虽然改变数值取值范围增加了分类器的复杂度，但为了得到准确结果，我们必须这样做。
 

 

二分类：
假设我们要分类一个问题，且只是是与不是的问题，比如是否是一只猫，只能是（1）或（0）。而且这个目标拥有n个特征，我们得到的是一个关于输入x的线性函数
，我们可以得到：

z= w1*x1+w2*x2+....+wn*xn+b

上述的公式对于描述我们要得到0和1并不是一个很好的描述，因为结果可能有很多种结果，非常大的数或很小的负
数。所以将上述的结果作为sigmoid函数自变量，公式及图形如下，当结果z非常大时，结果将趋于1；当结果非常小时，结果将趋于0。

Sigmoid函数：
Sigmoid函数是一个在生物学中常见的S型函数，也称为S型生长曲线。在信息科学中&