为什么一些机器学习模型需要对数据进行归一化?
2016-04-09 22:44
399 查看
为什么一些机器学习模型需要对数据进行归一化?
本文转自 http://www.cnblogs.com/LBSer/p/4440590.html机器学习模型被互联网行业广泛应用,如排序(参见:排序学习实践)、推荐、反作弊、定位(参见:基于朴素贝叶斯的定位算法)等。一般做机器学习应用的时候大部分时间是花费在特征处理上,其中很关键的一步就是对特征数据进行归一化,为什么要归一化呢?很多同学并未搞清楚,维基百科给出的解释:1)归一化后加快了梯度下降求最优解的速度;2)归一化有可能提高精度。下面我简单扩展解释下这两点。
1 归一化为什么能提高梯度下降法求解最优解的速度?
斯坦福机器学习视频做了很好的解释:https://class.coursera.org/ml-003/lecture/21如下图所示,蓝色的圈圈图代表的是两个特征的等高线。其中左图两个特征X1和X2的区间相差非常大,X1区间是[0,2000],X2区间是[1,5],其所形成的等高线非常尖。当使用梯度下降法寻求最优解时,很有可能走“之字型”路线(垂直等高线走),从而导致需要迭代很多次才能收敛;
而右图对两个原始特征进行了归一化,其对应的等高线显得很圆,在梯度下降进行求解时能较快的收敛。
因此如果机器学习模型使用梯度下降法求最优解时,归一化往往非常有必要,否则很难收敛甚至不能收敛。
2 归一化有可能提高精度
一些分类器需要计算样本之间的距离(如欧氏距离),例如KNN。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(比如这时实际情况是值域范围小的特征更重要)。
3 归一化的类型
1)线性归一化
这种归一化方法比较适用在数值比较集中的情况。这种方法有个缺陷,如果max和min不稳定,很容易使得归一化结果不稳定,使得后续使用效果也不稳定。实际使用中可以用经验常量值来替代max和min。
2)标准差标准化
经过处理的数据符合标准正态分布,即均值为0,标准差为1,其转化函数为:其中μ为所有样本数据的均值,σ为所有样本数据的标准差。
3)非线性归一化
经常用在数据分化比较大的场景,有些数值很大,有些很小。通过一些数学函数,将原始值进行映射。该方法包括 log、指数,正切等。需要根据数据分布的情况,决定非线性函数的曲线,比如log(V, 2)还是log(V, 10)等。
相关文章推荐
- 合并两个排序的链表
- 原生python与numpy数组向量相加效率对比
- 翻转句子中单词的顺序和字符串的旋转操作 c++面试题
- C. Hard Process
- C++ 中 delete 和 delete[] 的区别?
- Git总结(2)—GitHub的使用&相关git命令&公钥私钥
- shell bash判断文件或文件夹是否存在
- 8种常用的android设计模式
- Artificial Intelligence?
- 顺时针打印矩阵
- C 【函数 递归】
- 整数中1出现的次数(从1到n整数中1出现的次数)
- ZED-Board从入门到精通系列(八)——Vivado HLS实现FIR滤波器
- CodePlugin:将Dedup应用到纠删码系统
- 关于Block的使用和5点注意事项
- java设计模式之装饰模式
- 关于Block的使用和5点注意事项
- Entity framewk 中 的 关系与导航属性
- 安卓数据库事务
- 二叉树的深度