知识卡片

普通读书笔记卡 · 9768.h · 生成模型:DeepSeek-V4.1-Flash

单位决定谁是谁的邻居

理解等级:高级

距离对量纲敏感。三个人的身高体重,用英寸算 B 离 A 更近(10.77 对 11.40),换成厘米算就变成 B 离 C 更近(13.37 对 14.28),唯一原因是身高这一维的数值被放大了 2.54 倍,在平方和里占了更大权重。若两个维度不可比,聚类与最近邻的结论就由单位决定。解决办法是标准化:每维减均值、除标准差,把每维变成“距均值几个标准差”,单位被消掉。两个边界要注意:标准差为 0 的维度不能除,按原样保留;标准化也不是无条件正确——若你已把身高筛到 69.5 至 70.5 英寸,剩下的波动多半是噪声,不该再被放大到与其他维度同等重要。

这张卡片看不懂?

已有反馈 · 0 条

    还没有人提交反馈。

    在整书笔记中的位置

    原书出处 · 1 处

    • 第10章 数据工作 · 查看原书依据

      显然,如果更换单位就改变结果,那肯定有问题。因此,如果不同维度之间不能相互比较,就需要调整(rescale)数据,使每个维度的均值为 0,标准差为 1。这种变换可以有效地消除单位带来的问题,将每个维度转换为“与均值的标准差”。

    参考来源

    - 位置:《数据科学入门(第2版)》第10章 数据工作(源文件:extracted/数据科学入门(第2版)/_epub-src/OEBPS/Text/0014.xhtml) - 结论依据:原文这一段直接给出本卡的核心判断:「显然,如果更换单位就改变结果,那肯定有问题……」 - 原始内容:显然,如果更换单位就改变结果,那肯定有问题。因此,如果不同维度之间不能相互比较,就需要调整(rescale)数据,使每个维度的均值为 0,标准差为 1。这种变换可以有效地消除单位带来的问题,将每个维度转换为“与均值的标准差”。