特征缩放和均值归一化

机器算法验证 机器学习 自习 正常化
2022-02-11 17:01:03

我正在学习 Andrew Ng 的机器学习课程,经过多次尝试后无法正确回答这个问题。请帮助解决这个问题,尽管我已经通过了这个级别。

认为m=4学生上过一些课,班里有期中考试和期末考试。您收集了他们两次考试成绩的数据集,如下所示:

midterm (midterm)^2   final
89        7921        96
72        5184        74
94        8836        87
69        4761        78

您想使用多项式回归从期中考试成绩预测学生的期末考试成绩。具体来说,假设您想拟合表格的模型hθ(x)=θ0+θ1x1+θ2x2, 在哪里x1是期中成绩和x2是(期中成绩)^2。此外,您计划同时使用特征缩放(除以特征的“max-min”或范围)和均值归一化。

什么是标准化特征x2(4)? (提示:midterm = 89,final = 96 是训练示例 1。)请在下面的文本框中输入您的答案。如果适用,请提供小数点后至少两位数。

4个回答
  1. x2(4)4761.

  2. 归一化特征xus在哪里u是平均值Xs=maxmin=88364761=4075.

  3. 最后,47616675.54075=0.47

在此处输入图像描述

我的答案:

平均值 = (7921 + 5184 + 8836 + 4761)/4 = 6675.5

范围 = 8836 - 4761 = 4075

x2 = (5184 - 6675.5)/4075 = -0.366 = -0.37(四舍五入到小数点后两位)

编辑:我得到了错误。我应该四舍五入到小数点后两位。

由于 , 归一化x=xus

在哪里

  • u = 特征 x 的平均值
  • 小号 =range(maxmin)标准差

在这里,在这个测验中,s表示实际上的范围,归一化 x =47616675.588364761= -0.47

请阅读指南:他们说:请将您的答案四舍五入到小数点后两位,然后在下面的文本框中输入。答案是 -0.37 。我做到了并且成功了。