数据预处理
数据无量纲化
作用:使不同特征之间具有可比性
方法:标准化和归一化
-
归一化 ,是指把需要处理的数据经过处理后(通过某种算法)限制在一定范围内,一般是0到1之间。
为什么要归一化?
(1)归一化可以加快学习的速度。如下图所示,由于量纲不一样,数据的分布像一个“椭圆”,收敛的时候梯度方向的变化比较剧烈。
归一化后的数据,各个特征的权值相同,使得原来的数据分布变得更“圆”了,因此每次求得的梯度更加准确,模型收敛变得更加的平稳,更容易正确地收敛到最优解。
(2)归一化有可能提高模型精度。例如KNN需要计算样本之间的距离,如果一个特征值域范围非常大,那么距离计算就主要取决于这个特征,从而与实际情况相悖(比如此时值域范围小的特征更重要)。
最常用的方法有哪些?
(1)Min-Max归一化,利用特征的最大最小值缩放数据。这种归一化方法对离群值敏感(例如Max值较大),并且添加新数据时,Min和Ma