Feature Scaling 特征缩放的目的是什么

考虑前两个组图：
组图1：同一辆大货车拉货，已知拉的货越多车能行驶的举例越少，同一个函数在x坐标的单位不同导致函数在同一个x下的斜率不同。

组图2：如果将两个函数分别做梯度下降，明显第一个需要更少的迭代次数就可以完成。

所以如果我们要做梯度下降的话，肯定更想选择第一个来做。如果第一个需要1天来完成，那么第二个则有可能需要100天甚至半年才出结果。
特征缩放的概念，就是将第二个图想办法做成第一个图，从而使得梯度下降更快，从而使得算法更加高效。

The technique “feature scaling” will enable gradient descent run much faster.
----Andrew Ng

Feature Scaling Method #3

3种进行特征缩放的方法如下：

Dividing by maximum

Related python code

# 获得最大值
import numpy as np
a = [1,2,3,4,5]
maximum = np.max(a)

Mean Normalization

Related python code

# 获得平均值mean
import numpy as np
a = [1,2,3,4,5,6]
mean_value = np.mean(a)

Z-Score normalization

Basic knowledge:
Standard Derivation
标准差和方差都是衡量一组数据离散程度的统计量，在实际计算中，标准差和方差越小，表示离散程度更小，即数据更加稳定。

Related python code

# 获得标准差值
import numpy as np
a = [1,2,3,4,5,6]
a_deri = np.std(a)

end —>

【ML05】Feature Scaling 特征缩放相关推荐

EOF-DataScience：数据预处理/特征工程之线性变换—四种特征缩放Scaling算法简介、标准化standardization、归一化Normalization的概述与区别
DataScience:数据预处理/特征工程之线性变换-四种特征缩放Scaling算法简介.标准化standardization.归一化Normalization的概述与区别目录数据处理中常见的四 ...
特征缩放 feature scaling
样本不同特征的取值范围如果不一样,可能导致迭代很慢,为了减少特征取值的影响,可以对特征数据进行缩放,加速算法的收敛.常见的映射范围有 [0,1][0, 1][0,1] 和 [−1,1][-1, 1][ ...
机器学习中的特征缩放（feature scaling）浅谈
引言在运用一些机器学习算法的时候不可避免地要对数据进行特征缩放(feature scaling),比如:在随机梯度下降(stochastic gradient descent)算法中,特征缩放有时能 ...
浅谈机器学习中的特征缩放（feature scaling）
引言在运用一些机器学习算法的时候不可避免地要对数据进行特征缩放(feature scaling),比如:在随机梯度下降(stochastic gradient descent)算法中,特征缩放有时能 ...
Feature Scaling（特征缩放）的一些方法和使用选择
(1)最大最小值归一化(min-max normalization):将数值范围缩放到 [0, 1] 区间里 (2)均值归一化(mean normalization):将数值范围缩放到 [-1, 1] ...
特征缩放feature scaling（吴恩达版详解）
前言最近在学习吴恩达的深度学习,对于特征缩放的知识点很是困惑,不明白为什么它会加快收敛速度,在网上看大佬们的解答,大佬们也都是给了两个对比图之后就把这个问题带过去了,于是我认认真真,反复看了吴恩达的 ...
matlab进行特征缩放,机器学习中（Feature Scaling）特征缩放处理的matlab实现方式
在进行特征缩放的时候,其一般做法是(X-mu)/sigma mu:代表均值 sigma:代表标准差在matlab中,函数mean可以求特征的均值,函数std可以求特征的标准差. 假设训练集为m,特征 ...
特征缩放（Feature Scaling）
如果某个特征的取值范围比其他特征大很多,那么数值计算就受该特征的主要支配.但实际上并不一定是这个特征最重要,通常需要把每个特征看成同等重要.归一化/标准化数据可以使不同维度的特征放在一起进行比较,可以 ...
CS229 1 .线性回归与特征归一化(feature scaling)
线性回归是一种回归分析技术,回归分析本质上就是一个函数估计的问题(函数估计包括参数估计和非参数估计),就是找出因变量和自变量之间的因果关系.回归分析的因变量是应该是连续变量,若因变量为离散变量,则问题 ...

【ML05】Feature Scaling 特征缩放

Feature Scaling