为什么我们在机器学习中需要标准化和归一化?

数据标准化和归一化,这两个术语有什么区别?


回答:

这里有一个关于归一化和标准化的基于示例的很好的解释,我在这里只提及其中的一些要点:

归一化:

  1. 归一化使训练对特征的尺度不那么敏感,因此我们可以更好地解决系数问题。
  2. 归一化将确保收敛问题不会有巨大的方差,使优化变得可行。

标准化:

  1. (使用标准化的原因)比较具有不同单位或尺度的特征。
  2. 标准化往往使训练过程表现良好,因为优化问题的数值条件得到了改善。

Related Posts

使用LSTM在Python中预测未来值

这段代码可以预测指定股票的当前日期之前的值,但不能预测…

如何在gensim的word2vec模型中查找双词组的相似性

我有一个word2vec模型,假设我使用的是googl…

dask_xgboost.predict 可以工作但无法显示 – 数据必须是一维的

我试图使用 XGBoost 创建模型。 看起来我成功地…

ML Tuning – Cross Validation in Spark

我在https://spark.apache.org/…

如何在React JS中使用fetch从REST API获取预测

我正在开发一个应用程序,其中Flask REST AP…

如何分析ML.NET中多类分类预测得分数组?

我在ML.NET中创建了一个多类分类项目。该项目可以对…

发表回复

您的邮箱地址不会被公开。 必填项已用 * 标注