数据归一化：将数据的取值范围取到0~1之间，或者-1 ~ 1之间。
0-1之间：
(
x
−
x
m
i
n
)
/
(
x
m
a
x
−
x
m
i
n
)
(x - x_{min})/(x_{max}-x_{min})
(x−xmin)/(xmax−xmin)
-1 - 1之间：
(
(
x
−
x
m
i
n
)
/
(
x
m
a
x
−
x
m
i
n
)
−
0.5
)
∗
2
((x - x_{min})/(x_{max}-x_{min})-0.5)*2
((x−xmin)/(xmax−xmin)−0.5)∗2
均值标准化：x为特征数据， u为数据的平均值, s为数据的方差,
x
=
(
x
−
u
)
/
s
x = (x-u)/s
x=(x−u)/s
交叉验证：
例如，十折交叉验证：把数据集切割成10分，9分作为训练集，1份作为测试集，分别计算损失，最后求损失的平均值。
过拟合：
解决方法：
- 减少特征（特征越多，模型越复杂，且有很多的干扰信息）。
- 增加数据量，数据量越大，泛化能力越强。
- 正则化。
正则化：
添加正则项，可以有效缓解过拟合。
具体原理，后期添加。
1696
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
