为什么需要做特征值归一化：
对于特征是年龄、身高、年薪，标签是择偶观的样本数据而言，显然利用特征的差值来估算择偶观来看，年薪这一特征值对于计算结果的影响最大。因此，我们需要对样本数据做归一化处理。
对于每一行样本数据来说，归一化处理公式如下：
normDataSet=(data-min)/(max-min)
就上图对于(年龄、身高、年薪)=(20、178、20000)的这行数据来说，归一化之后，这行数据会更改为：
年龄=(20-20)/(30-20)=0
身高=(178-160)/(
本文探讨了在机器学习的k近邻算法中，为何需要进行特征值归一化。通过示例展示了归一化公式及对数据的影响，如将(20, 178, 20000)归一化为(0, 1, 0)，以平衡不同特征对计算结果的贡献。并提供了相关代码实现。"
112940327,10541691,Python爬虫工程师入门：环境搭建与虚拟环境管理,"['Python', '爬虫', '环境配置', '数据库', '虚拟环境']
最低0.47元/天 解锁文章
880
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
