归一化
把数据缩放到[0,1]范围内,常用方法是min-max scaling
。
标准化
将数据缩放到符合均值为0标准差为1的正态分布。常用方法是z-score normalization
。
正则化
向模型的损失函数中添加正则项防止过拟合。一般有L1正则和L2正则。L1正则和L2正则是由添加的正则项是什么范数决定的。
L1正则是添加L1范数。
L2正则是添加L2范数。
参考资料:
About Feature Scaling and Normalization – and the effect of standardization for machine learning algorithms
数据预处理:标准化,归一化,正则化
ML 入门:归一化、标准化和正则化