大数据预处理——数据特征缩放

---

数据特征缩放的概念

变量的数据特征是指变量取值的分布特点，与数据所反映的信息内容、测量尺度和采集方式等有关。由于数据特征与分析需求的不匹配，所以要求我们在数据预处理阶段进行数据特征缩放(data feature scaling),以适应分析的需求。

---

一、数据特征缩放的意义

1. 消除数据的量纲，而保留其数据分布的特征，这样更有利于不同量纲数据之间的比较，也避免了自变量的不同量纲对建模的影响；
2. 提高梯度下降求解（迭代运算）的收敛速度，提高建模效率；
3. 提高一些模型的预测精度。

数据特征缩放的方法可以简单的概括为：“首先中心化，然后除以尺度”，即：
$$X_{scaled}=\frac{X-center}{scale}$$
上式中$X$为原始数据；$X_{scaled}$为缩放后的数据；