均值归一化_数据归一化（Feature Scaling）

一、为什么要进行归一化?

举个例子，我们统计了一张表，上面统计了行人的属性：身高（cm）、年龄（岁）【暂且就两个属性】，现在我们要计算各个行人之间的欧式距离。如果大家年龄都差不多，这时候欧氏距离的大小就被身高这一属性所支配了，比如两个人都是 20 岁，一个人 160cm，另一个人 190 cm。很显然，我们需要将这些量纲不同的属性数据映射到同一个尺度空间中，这就是归一化。

二、归一化的方式

2.1 最值归一化 (normalization)

定义：把所有数据映射到 0-1 之间。

计算公式：

适用情况：适用于分布有明显边界的情况，但受 outlier 值的影响比较大。这个可以从公式的分母这一项进行理解，如果

和

相差很大并且整个数据样本中

和

这种极端样本比较少，那你会发现数据分布还是不均衡，接近于 1 的值在值为

这些特征中，接近于 0 的值在值为

的这些特征中。

2.2 均值方差归一化 (standardization)

定义：把同一特征的数据归一化到均值为 0 方差为 1 的分布中。

计算公式：

(s 代表某一特征的方差)

适用情况：数据分布没有明显的边界；有可能存在极端数据值。通常这种归一化方式适用于所有情况。

三：参考资料（强烈推荐下面这位慕课网老师的课程，他的每门课质量都很高，知识细节讲的很到位）

代码地址：

liuyubobobo/Play-with-Machine-Learning-Algorithms​github.com

参考课程：

Python3入门机器学习_经典算法与应用-慕课网实战​coding.imooc.com