知识卡片
缩放沿用训练统计量
极差缩放用训练最小值和极差,训练范围会落在 [0,1]。标准化用训练均值和标准差,改变位置和尺度但保留标准化后的分布形状。训练后固定统计量应用于新样本,超出原范围的输入可产生区间外结果。重新用测试样本计算比例会改变坐标并引入泄漏。
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
- 全景图:机器学习路线图 · 查看原书依据
数据标准化是特征处理环节中非常重要的一步,主要是为了消除不同指标量纲带来的影响,提高不同数据指标之间的可比性。
参考来源
- 位置:《从零开始:机器学习的数学原理和算法实践》第4章《全景图:机器学习路线图》(来源项目 book-source:extracted/从零开始:机器学习的数学原理和算法实践/_epub-src/OEBPS/Text/chapter004.xhtml)
- 结论依据:原文列出极差和均值标准差两种变换,推导提示二者只改变位置与尺度。
- 原始内容:数据标准化是特征处理环节中非常重要的一步,主要是为了消除不同指标量纲带来的影响,提高不同数据指标之间的可比性。