机器学习—数据平滑

问题：为什么进行平滑？

数据平滑是数据预处理中比较重要的一块，但是往往会忽略它。数据平滑通常对噪声这一块进行处理，平滑的本质就是用来解决零概率问题，尽量使概率分布趋于均匀，使数据变得更可用。

下面介绍几种自己总结的数据平滑的方法：

1.分箱法平滑

首先进行数据排序，将他们分到等宽的箱中（既是分成几部分），然后按照箱中数据的平均值（中值等）进行平滑。

2.回归法平滑

通过数据找到一个回归函数进行数据的平滑，这种方法对连续型数据较好。

例：数据有中两个相关的变量，找到它们之间的关系，用一个函数表示（例：y=kx+b），即建立数学模型去预测下一个数值。

3.加法平滑方法（拉普拉斯平滑）

Ng大牛讲到过的一个差不多的例子：

例子勇士队与湖人队2050年某四场比分如下&#x