sklearn.preprocessing 标准化、归一化、正则化

文章目录

        • 数据标准化的原因
        • 作用
        • 归一化
          • 最大最小归一化
          • 针对规模化有异常的数据
        • 标准化
          • 线性比例标准化法
          • log函数标准化法
        • 正则化Normalization
        • 标准化的意义

数据标准化的原因
  1. 某些算法要求样本具有零均值和单位方差;

需要消除样本不同属性具有不同量级时的影响:

① 数量级的差异将导致量级较大的属性占据主导地位;

② 数量级的差异将导致迭代收敛速度减慢;

③ 依赖于样本距离的算法对于数据的数量级非常敏感。

在不同的问题中,标准化的意义不同:

(1)在

你可能感兴趣的:(python机器学习和数据挖掘,sklearn,人工智能,python,机器学习,数据库,pandas)