数据归一化

用于输送给模型的数据是要经过处理的，这样得出的模型才能越来越准确，这里记录一下数据归一化的处理

为什么要数据归一化

比如我们拿鸢尾花数据来讲，如果我们把萼片的宽度单位换成米，长度换成是毫米，那么通过KNN算法来计算，萼片的宽度数值就会小到可以忽略不计，但是萼片的长度就对整体数据影响很大，这就对后面的结果影响很大。所以这个问题也说明，整体的数据需要保持同一个单位量级，不过现实中我们很多特征是代表不同的事物，很难有一个统一的单位来表示，这里就要引入数据归一化概念

数值归一化，就是将数据统一映射到同一个维度上，这样就不会被使用不同单位所影响

数值归一化有最值归一化和均值方差归一化，比较通用的是均值方差归一化

就是矩阵每一个数值减去平均值的差除以方差，得出的数值组成一个矩阵，就是数值归一化

 

最值归一化，从公式也可以看出，这个方式是有缺陷的，比如我们要统计预测一组关于年龄和收入的数据，然后我们拿到一组数据，这时候发现，有些人很年轻，但是赚的钱贼多，最大值和最小值相距很大，这就导致下面公式中，除数会很大，但