(一)归一化作用
把数据转换为(0,1)区间的小数, 使得数据处理方便,把数据映射到0~1范围之内处理,更加便捷快速。
(二)归一化的优点
- 归一化后加快了梯度下降求最优解的速度,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。
- .归一化有可能提高精度.
(三)归一化方法
-
min-max标准化
x n o r m a l i z a t i o n = x − M i n M a x − M i n x_{normalization} = \frac{x-Min}{Max-Min} xnormalization=Max−Minx−Min -
Z-score标准化
x n o r m a l i z a t i o n = x − μ σ x_{normalization} = \frac{x-\mu}{\sigma} xnormalization=σx−μ
- μ \mu μ : 原始所有数据的均值 ( m e a n mean mean)
- σ \sigma σ : 原始所有数据的标准差 ( s t a n d a r d d e v i a t i o n standard \ deviation standard deviation)
- 经过处理的数据符合标准正态分布,均值为0,标准差为1