知识卡片

普通读书笔记卡 · 9838.q · 生成模型:Hunyuan

数据归一化与标准化欧氏距离

理解等级:中级

归一化是把有量纲的表达式经过变换转成无量纲的标量,以简化计算、消除量纲差异,是机器学习的一项基础工作。它有两种形式:把数变为 (0,1) 之间的小数,或把有量纲表达式变为无量纲表达式;在统计上,(0,1) 区间对应统计的概率分布,(-1,+1) 对应坐标分布。数据标准化是归一化的一种,通过按比例缩放把各特征映射到小的特定区间,使度量单位不同的特征能一起参与评价计算。对欧氏距离的改进也基于此:先把每个分量标准化到均值为 0、方差为 1,标准化后的值等于原值减该分量均值再除以该分量标准差,然后计算距离。若把方差倒数看成权重,标准化欧氏距离就是一种加权欧氏距离;当各分量方差相同时,它退化为普通欧氏距离。

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1章 机器学习的基础 · 查看原书依据

      归一化是一种简化计算的方式,即将有量纲的表达式,经过变换,转换为无量纲的表达式,称为标量。归一化是机器学习的一项基础工作。 归一化方法有两种形式,一种是把数变为(0,1)之间的小数,一种是把有量纲表达式变为无量纲表达式。

    参考来源

    - 位置:《机器学习算法原理与编程实践》第1章 机器学习的基础(源文件:extracted/机器学习算法原理与编程实践/_epub-src/OEBPS/text00007.html) - 结论依据:原文给出归一化的定义、两种形式与统计含义,并推导标准化欧氏距离公式及其加权欧氏距离解释。 - 原始内容:归一化是一种简化计算的方式,即将有量纲的表达式,经过变换,转换为无量纲的表达式,称为标量。归一化是机器学习的一项基础工作。 归一化方法有两种形式,一种是把数变为(0,1)之间的小数,一种是把有量纲表达式变为无量纲表达式。