机器学习中特征归一化的方法
2018-01-25 20:33
246 查看
数据标准化（归一化）处理是数据挖掘的一项基础工作，不同评价指标往往具有不同的量纲和量纲单位，这样的情况会影响到数据分析的结果，为了消除指标之间的量纲影响，需要进行数据标准化处理，以解决数据指标之间的可比性。原始数据经过数据标准化处理后，各指标处于同一数量级，适合进行综合对比评价。以下是两种常用的归一化方法：
也称为离差标准化、线性函数归一化，是对原始数据的线性变换，使结果值映射到[0 - 1]之间。转换函数如下：
其中max为样本数据的最大值，min为样本数据的最小值。这种方法有个缺陷就是当有新数据加入时，可能导致max和min的变化，需要重新定义。
这种方法给予原始数据的均值（mean）和标准差（standard deviation）进行数据的标准化。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，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。
1、在分类、聚类算法中，需要使用距离来度量相似性的时候、或者使用PCA技术进行降维的时候，Z-score
standardization表现更好。
2、在不涉及距离度量、协方差计算、数据不符合正太分布的时候，可以使用第一种方法或其他归一化方法。比如图像处理中，将RGB图像转换为灰度图像后将其值限定在[0
255]的范围。
参考：http://blog.csdn.net/zbc1090549839/article/details/44103801
一、min-max标准化（Min-Max Normalization）
也称为离差标准化、线性函数归一化，是对原始数据的线性变换，使结果值映射到[0 - 1]之间。转换函数如下：
其中max为样本数据的最大值，min为样本数据的最小值。这种方法有个缺陷就是当有新数据加入时，可能导致max和min的变化，需要重新定义。
二、Z-score标准化方法
这种方法给予原始数据的均值（mean）和标准差（standard deviation）进行数据的标准化。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，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。
1、在分类、聚类算法中，需要使用距离来度量相似性的时候、或者使用PCA技术进行降维的时候，Z-score
standardization表现更好。
2、在不涉及距离度量、协方差计算、数据不符合正太分布的时候，可以使用第一种方法或其他归一化方法。比如图像处理中，将RGB图像转换为灰度图像后将其值限定在[0
255]的范围。
参考：http://blog.csdn.net/zbc1090549839/article/details/44103801
内容来自用户分享和网络整理，不保证内容的准确性，如有侵权内容，可联系管理员处理 
相关文章推荐
- 机器学习--特征缩放/均值归一化
- 特征向量的归一化方法
- 机器学习（一）： python三种特征选择方法
- 机器学习中，有哪些特征选择的工程方法？
- 机器学习之特征选择方法
- 机器学习之（四）特征工程以及特征选择的工程方法
- 机器学习之特征归一化（normalization）
- DNS通道检测 国内学术界研究情况——研究方法：基于特征或者流量，使用机器学习决策树分类算法居多
- 机器学习归一化的几种方法
- 【机器学习】在工程上机器学习特征选择的方法
- 机器学习中的特征——特征选择的方法以及注意点
- 机器学习中的特征——特征选择的方法以及注意点
- 机器学习 —— 基础整理（四）特征提取之线性方法：主成分分析PCA、独立成分分析ICA、线性判别分析LDA
- 不会做特征工程的 AI 研究员不是好数据科学家！上篇 - 连续数据的处理方法 本文作者：s5248 编辑：杨晓凡 2018-01-19 11:32 导语：即便现代机器学习模型已经很先进了，也别
- 机器学习中常见的几种归一化方法以及原因
- 【方法】机器学习中的数据清洗与特征处理
- 机器学习中的特征——特征选择的方法以及注意点
- 机器学习-数据归一化方法
- 机器学习中的特征——特征选择的方法以及注意点
- 机器学习-数据归一化方法