数据转换中归一化的主要目标是什么？

适用条件

• 当数据集特征具有不同的值时使用。
• 目标是将特征带到相似的尺度上。

理解与推导

1. 识别数据集通常包含具有显著不同值的多个属性。
2. 认识到归一化是将这些不同的值带入特定、统一尺度或限制的过程。
3. 理解核心目标是将数据集的所有特征带到相似的尺度上，通常在 0 到 1 之间。

例子

在房屋数据集中，面积（1000-1800）和卧室数量（2-5）等特征具有不同的尺度。需要进行归一化以防止较大尺度的特征在分析中占主导地位。

容易误解的地方

• 认为归一化会减少数据量（行数或列数）。它缩放现有特征的值；它不会减少数据点或变量的数量。

观看对应讲解

继续追问

• 常见的数据归一化技术有哪些？
• 为什么在机器学习中需要数据归一化？