機器學習-數據歸一化方法（Normalization Method）

出現背景： 從左至右來看，第一個模型是一個線性模型，擬合度很低，也稱做欠擬合（Underfitting），不能很好地適應咱們的訓練集；第三個模型是一個高次方的模型，屬於過分擬合，雖然能很好的適應咱們的訓練數據集，可是在新輸入變量進行預測的時候，可能效果會不好。第二個模型多是剛剛適合咱們數據的模型。 那麼問題來了，若是咱們發現這樣過分擬合的狀況，如何處理呢？ 有兩種方式： 1.丟棄一些不能幫助咱們正

>>阅读原文<<