机器算法验证 - 为什么标准化（标准化）值应该小于？11 - 吾爱随笔录

机器算法验证标准差正常化标准化

2022-03-22 23:29:08

这些书给出了一些关于基于内容的推荐的例子。我理解的一个例子如下。

电影的属性是到之间的值。持续时间属性的值介于和之间。如果我们使用这些原始值来计算距离，则持续时间将纯粹因为范围更广而占主导地位，因此我们应该对该值进行归一化。 $1$ $10$ $1$ $100$

标准化公式通常会导致小于的值。它可能在和之间。和之间缩放值，那么这种标准化如何正确呢？我希望持续时间值应该代表和持续时间值应该代表。但正如您所知，标准化公式导致小于。为什么会这样？ $1$ $1$ $-1$ $1$ $10$ $1$ $1$ $100$ $10$ $1$

我是否必须再次为范围重新调整结果？例如，如果结果是那么应该代表？ $1-10$ $0.43$ $4$

2个回答

重新调整输入特征只是一个线性变换。在问题上下文之外重新缩放没有正确或错误的方法。如果你想将范围 1 - 100 线性映射到范围 1 - 10 你应该这样做：这将 1 映射到 1 和 100 到 10 并且它将使持续时间与其他功能具有相同的范围。

x \leftarrow \frac{x - 1}{99} \times 9 + 1

$x \leftarrow \frac{x - 1}{99} \times 9 + 1$

上述方法的一个问题是，如果所有持续时间都聚集在 40 之间，只有极少数离群值接近 100，那么大部分范围都不会被使用。计算每个单独特征的z 分数可能更可取：因为转换后的特征都将具有均值 0 和标准差 1 应该更具有可比性。

x \leftarrow \frac{x - mean(x)}{stddev (x)}

$x \leftarrow \frac{x - \text{mean(x)}}{\text{stddev}(x)}$

标准化变量的一种方法是将每个值转换为 z 分数，通过取

$\frac{x - \bar{x}}{sd}$

这样做，你只需要做一次；但是，这不会导致 -1 到 1 的范围，结果可以是任何数字。但大多数值将介于 -1 和 1 之间。

其它你可能感兴趣的问题