特征归一化

归一化：数据转化为[0,1]之间的数，例如先行归一化Xnorm = (X-Xmin)/(Xmax - Xmin)

标准化：数据转化为期望为0，方差为1的数，例如Xnorm = (X - \mu ) / \sigma

中心化：数据转化为0均值

目的：1）对于基于梯度优化方法求解更快，例如svm,logistic回归，线性回归，神经网络，对于决策树模型，使得各参数更新速度一致，避免更新路径Z字形。由于其节点分裂主要依据信息增益，信息增益比，gini指数等，归一化并不会改变这些数值，所以没有作用

2）避免某些数值过大引发计算问题

3）无量纲化，平衡各个数据之间的重要性，避免某些特征被其他特征淹没。

©著作权归作者所有,转载或内容合作请联系作者
平台声明：文章内容（如有图片或视频亦包括在内）由作者上传并发布，文章内容仅代表作者本人观点，简书系信息发布平台，仅提供信息存储服务。

推荐阅读更多精彩内容