- 博客(1)
- 收藏
- 关注
原创 百面机器学习梳理笔记01
文章目录前言一、特征归一化1. 可以将所有的特征统一到大致相同的数值范围内(消除数据特征之间的量纲影响)2. 线性函数归一化(Min-Max Scaling)3. 零均值归一化(Z-Score Normalization)4. 为什么要归一化?5. 梯度下降、线性回归、逻辑回归、支持向量机、神经网络通常需要归一化6. 决策树模型不适用归一化(C4.5节点分裂以信息增益比作为依据,归一化不会改变信息增益和信息增益比)二、类别型特征(Categorical Feature),指只在优先选项内取值的特征,例如..
2021-02-25 18:26:58
580
1
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人