分類目錄：《深入理解機(jī)器學(xué)習(xí)》總目錄
歸一化 （Normalization）和標(biāo)準(zhǔn)化 （Standardization）都是特征縮放的方法。特征縮放是機(jī)器學(xué)習(xí)預(yù)處理數(shù)據(jù)中最重要的步驟之一，可以加快梯度下降，也可以消除不同量綱之間的差異并提升模型精度。文章來(lái)源：http://www.zghlxwxcb.cn/news/detail-474030.html
歸一化（Normalization）是將一組數(shù)據(jù)變換到某個(gè)固定區(qū)間中。通常，將映射到 [ 0 ， 1 ] [0，1] [0，1]區(qū)間，而圖像中可能會(huì)映射到 [ 0 , 255 ] [0,255] [0,255]，其他情況還可能映射到 [ ? 1 , 1 ] [-1,1] [?1,1]。而標(biāo)準(zhǔn)化（Standardization）是在不改變?cè)嫉臄?shù)據(jù)分布的情況下，將數(shù)據(jù)的分布變換為均值為0，標(biāo)準(zhǔn)差為1。所以標(biāo)準(zhǔn)化也可以視為一種特殊的歸一化，故我們也稱標(biāo)準(zhǔn)化為Z值歸一化。文章來(lái)源地址http://www.zghlxwxcb.cn/news/detail-474030.html
- 標(biāo)準(zhǔn)化（Standardization）/Z值歸一化（Z-Score Normalization）：
x i ′ = x i ? x mean σ ( x ) x_i'=\frac{x_i-x_\text{mean}}{\sigma(x)} xi′?=σ(x)xi??xmean?? - 最大最小值歸一化（Min-Max Normalization）：
x i ′ = x i ? x min x max ? x min x_i'=\frac{x_i-x_\text{min}}{x_\text{max}-x_\text{min}} xi′?=xmax??xmin?xi??xmin?? - 均值歸一化（Mean Normalization）
x i ′ = x i ? x mean x max ? x min x_i'=\frac{x_i-x_\text{mean}}{x_\text{max}-x_\text{min}} xi′?=xmax??xmin?xi??xmean??
到了這里，關(guān)于深入理解機(jī)器學(xué)習(xí)——數(shù)據(jù)預(yù)處理：歸一化 （Normalization）與標(biāo)準(zhǔn)化 （Standardization）的文章就介紹完了。如果您還想了解更多內(nèi)容，請(qǐng)?jiān)谟疑辖撬阉鱐OY模板網(wǎng)以前的文章或繼續(xù)瀏覽下面的相關(guān)文章，希望大家以后多多支持TOY模板網(wǎng)！
