机器学习之数据归一化

器学习中，数据归一化是非常重要，如果不进行数据归一化，可能会导致模型坏掉或者训练出一个奇怪的模型。

为什么要进行数据归一化

现在有一个训练数据集，包含两个样本，内容如下：

样本1	1	200
样本2	5	100

以 k-近邻算法为例，“发现时间”的数值比“肿瘤大小”的数值大很多，样本间的距离被“发现时间”主导，训练出来的模型主要由“发现时间”影响，甚至“肿瘤大小”的影响可忽略不计。

解决方法就是将是数据映射到同一尺度，这就是数据归一化。

数据归一化的两个常用方式为：最值归一化和均值方差归一化。

代码如下