知识卡片
距离模型对尺度敏感
距离模型在原始坐标中比较两个样本时,数值波动较大的维度可能支配距离。教学示例:同一身高用米或厘米表示,可使该坐标的差值放大一百倍,邻居排序也可能因此改变。缩放可以调整坐标贡献,仍需检查各维度是否应当获得相近权重。
这张卡片看不懂?
这张卡片已通过人工审查,不再接受失败反馈。
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
- 机器学习概述 1.2.2 · 查看原书依据
距会对模型产生不良影响(数量级的差异将导致量级较大的属性占据主导地位,依赖于样本距离的算法对于数据的数量级非常敏感)。如果没有对数据进行预处理的话有可能带来偏差,难以较好地反应特征之间的重要程度。通过归一化和标准化的
参考来源
- 位置:《AI制胜:机器学习极简入门》第1章 机器学习概述 §1.2.2(来源项目 book-source:extracted/AI制胜:机器学习极简入门/_epub-src/OEBPS/Text/chapter1.xhtml#isbn9787302555513_1_1_2_2)
- 结论依据:原文指出量级大的属性会主导距离,并列出归一化与标准化。
- 原始内容:距会对模型产生不良影响(数量级的差异将导致量级较大的属性占据主导地位,依赖于样本距离的算法对于数据的数量级非常敏感)。如果没有对数据进行预处理的话有可能带来偏差,难以较好地反应特征之间的重要程度。通过归一化和标准化的