掌握方法↗
在依赖距离度量的算法中,具有较大数值范围的特征会不成比例地影响总距离。具有较大尺度的特征将主导距离度量,无论其实际预测重要性如何,因为其坐标差异在数值上大得多。
适用条件:适用于 KNN 或 K-means 等基于距离的机器学习算法。;特征未缩放或未归一化。;使用标准度量(如欧氏距离)计算距离。
YouTube标准化与归一化清晰讲解!
4:12 – 5:24原站看这一段 ↗
在依赖距离度量的算法中,具有较大数值范围的特征会不成比例地影响总距离。具有较大尺度的特征将主导距离度量,无论其实际预测重要性如何,因为其坐标差异在数值上大得多。
适用条件:适用于 KNN 或 K-means 等基于距离的机器学习算法。;特征未缩放或未归一化。;使用标准度量(如欧氏距离)计算距离。
YouTube标准化与归一化清晰讲解!
4:12 – 5:24原站看这一段 ↗