機器學習：特徵歸一化（ Normalization ）的方法和原因

引言 爲了消除數據特徵之間的量綱影響 ，我們需要對特徵進行歸一化處理 ， 使得不同指標之間具有可比性。 例如，分析一個人的身高和體重對健康的影響 ， 如果使用米（ m) 和千克（ kg ）作爲單位 ， 那麼身高特徵會在 1.6 ～ l.8m 的數值範圍內 ， 體重特徵會在50 ～ 100kg 的範圍內， 分析出來的結果顯然會傾向於數值差別比較大的體重特徵。 想要得到更爲準確的結果，就需要進行特徵歸

>>阅读原文<<