1、为什么要经常对数据做特征归一化

前言：

feature scaling 即为特征归一化、标准化，是数据预处理中的重要技术。在实际运用中，使用梯度下降算法的模型都需要归一化，包括线性回归、逻辑回归、支持向量机、神经网络等模型。但对决策树模型并不适用，因为信息增益、信息增益比、基尼指数跟特征是否经过归一化是无关的。

1、归一化的原因

• 对数据做特征归一化是为了消除特征尺度不同所带来的影响，使特征具有可比性。
• 数值归一化后能加快收敛速度，更容易找到梯度下降的最优解。在基于梯度更新对模型求解的过程中，未归一化的数值特征在求解时，梯度下降较为抖动，模型难以收敛，而归一化后的数值特征较为稳定，进而减少梯度下降的次数，模型更容易收敛。
  

2、常用的feature scaling

• Mean Normalization(均值归一化)
  
• min-max normalization
  

3、类别型特征转换为数值型特征

• 序