本站内容均来自兴趣收集,如不慎侵害的您的相关权益,请留言告知,我们将尽快删除.谢谢.
作者： Sud harsan Asaithambi
编译： ronghuaiyang
在使用某些算法时，特征缩放可能会使结果发生很大变化，而在其他算法中影响很小或没有影响。为了理解这一点，让我们看看为什幺需要缩放特征、各种缩放方法以及什幺时候应该对特征进行尺度缩放。
为什幺要做特征缩放
大多数情况下，你的数据集将包含在大小、单位和范围上差别很大的特征。但是，由于大多数机器学习算法在计算中使用两个数据点之间的欧氏距离，这会是一个问题。
如果不加考虑，这些算法只考虑特征的大小而忽略了单位。在5kg和5000gms不同的单元之间，结果会有很大的差异。在距离计算中，大尺度的特征比小尺度的特征要重要得多。
小特征 vs 大特征
为了抑制这种效果，我们需要将所有特征都处理成相同的级别。这可以通过缩放来实现。
如何对特征进行缩放
有4中常用的方法可以来做特征的缩放。
1. 标准化:
标准化将值替换为z- score 。
这个重新分布的特征意味着 μ= 0 和标准偏差 σ= 1 ， sklearn.preprocessing.scale 可以帮助我们在python中实现标准化。
2. 均值归一化:
这个分布的值域为[-1,1]， μ=0 。
标准化和 均值归一化 可用于假设中心数据为零的算法，如 主成分分析(PCA).
3. 最小-最大值缩放:
这种缩放使值介于0和1之间。
4. 单位向量化:
这个缩放考虑到将整个特征向量归一化到单位长度。
最小-最大缩放 和 单位向量化 技术产生的值范围为[0,1]。 当处理带有硬边界的特征时，这非常有用。 例如，在处理图像数据时，颜色的范围只能从0到255。
什幺时候进行特征缩放
我在这里遵循的经验法则是任何计算距离或假设正常的算法， 缩放你的特征!!
一些算法的例子，其中的特征缩放是很重要的：
k-最近邻具有欧氏距离度量，对大小敏感，因此应该对所有特征进行缩放，使其尺度相同。
主成分分析(PCA)，缩放是关键。主成分分析试图得到方差最大的特征，对于高幅值特征，方差较大。这使得PCA倾向于高幅值特征。
梯度下降可以通过缩放进行加速。这是因为θ在小尺度上会下降的很快，在大尺度上会很慢，所以，变量尺度不均匀的时候，在最优化的路径上会有震荡，效率下降。
基于树的模型不是基于距离的模型，可以处理不同范围的特性。因此，建模树时不需要缩放。
线性判别分析(LDA)、朴素贝叶斯等算法设计的时候就准备好了处理这一问题，并相应地赋予特征权重。在这些算法中执行特征缩放可能没有多大效果。
好了，希望你能理解 为什幺 ， 如何 和 何时 进行特征缩放。
— END —
英文原文： https://medium.com/greyatom/why-how-and-when-to-scale-your-features-4b30ab09db5e
Be First to Comment