知识卡片
归一化受极值影响
最小最大归一化用该特征的最小值和最大值确定缩放幅度。尺度差异大的特征进入距离模型前,可用它减轻某个大数值单位的支配。单个异常极值可能把普通样本挤到很小的区间,实际验证宜用训练数据估计缩放范围。
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
- · 尺度与缺失值
原书出处 · 1 处
- 数据与机器学习 尺度与缺失值 · 查看原书依据
了样本属性值伸缩度过大的问题,但若有异常的属性最大值或最小值,则会影响该属性的归一化,进而影响机器学习模型的决策输出。
参考来源
- 位置:《机器学习基础》第1章,1.4 数据预处理(book-source:extracted/机器学习基础/_epub-src/EPUB/xhtml/chapter7.xhtml)
- 结论依据:原文借「但若有异常的属性最大值或最小值」处的论述给出本卡所解释的关系或做法。
- 原始内容:了样本属性值伸缩度过大的问题,但若有异常的属性最大值或最小值,则会影响该属性的归一化,进而影响机器学习模型的决策输出。