如何使用 Min-Max 公式将数据缩放到 0 到 1 的范围？

适用条件

• 数据集有明确的最小值和最大值。
• max 不等于 min

理解与推导

1. 识别你想要归一化的原始值 $X$。
2. 确定特征列的最小值 $\min$ 和最大值 $\max$。
3. 将这些值代入公式 $X' = \frac{X - \min}{\max - \min}$。
4. 计算结果以获得归一化值 $X'$，它将落在 [0, 1] 区间内。

例子

对于面积为 1200 的房屋，列最小值为 1000，最大值为 1800，计算过程为 $\frac{1200 - 1000}{1800 - 1000} = \frac{200}{800} = 0.25$。

容易误解的地方

• 假设可以直接使用原始的大数值特征训练机器学习模型，而不必担心数值尺度的影响。

观看对应讲解

继续追问

• 为什么在机器学习中需要对数据进行归一化或缩放？
• 什么时候应该使用 Z-score 技术进行数据归一化？