java 归一化_Java之Normalizer(归一化)

什么是归一化？

归一化的概念在人工智能领域会普通看到， 比如使用TensorFlow框架编码时，就会出现数据归一化的步骤或函数。

简单来说， 归一化就是对一组数据进行转换，使这组数据具备相同的格式或特性。举例来说： 一组任意的整数数组：1，2，400，5000， 如果每个数都除以这组元素中的最大值的话(这里是5000)，则这个数组元素的值位于0-1之间，满足数学上概率的值的区间。

在AI中，对培训数据进行归一化的好处有：

１、保持合适的样本间距

以上面的示例来说，　１和5000相差甚远，如果以坐标图绘制，则相差的太远， 归一化之后就好多了。

2、平等对待多个特征向量。

有个例子示房子面积和房子的数量对房价的影响。面积的体量明显大于房子的数目，面积的因素很容易掩盖数量的影响。所以，归一化之后，更容易找到问题的解。

归一化的数学方法

归一化常见的数学方法有：

线性归一化

也称作(0,1)标准化 线性归一化 ， Min-Max标准化和离差标准化。是对原始数据进行线性变换，变换后的结果值在0到1之间。

公式是： X = (x-Min)/(Max-Min)

均值标准差归一化

使用均值和标准差进行数据的标准化。转换后的数据符合正态分布， 即均值为0， 标准差为1。

公式是：X= x-均值/标准差

Sigmoid函数归一化

Java归一化类Normalizer