深度学习基础——特征工程(一)

首先给出特征工程的概述图，如下图。
然后接下来，会就其中的内容详细学习。

一，单个特征归一化
归一化就是指当每个特征的数值之间相差太大，无法很好的相互映射时，通过函数处理使其落在同一数量级的区间的方式。
归一化的方式通常有两种：
Standardization
Standardization又称为Z-score normalization，量化后的特征将服从标准正态分布：

μ和δ分别为对应特征的均值和标准差。量化后的特征将分布在[-1, 1]区间。
Min-Max Scaling
Min-Max Scaling又称为Min-Max normalization， 特征量化的公式为：

它对原始数据进行线性变换，使结果映射到[0,1]的范围，实现对原始数据的等比缩放。如果要将数据限制到[-1,1]，则：