简单的举个例子:一张表有两个变量,一个是体重kg,一个是身高cm。假设一般情况下体重这个变量均值为60(kg),身高均值为170(cm)。1,这两个变量对应的单位不一样,同样是100,对于身高来说很矮,但对于体重来说已经是超重了。2,单位越小,数值越大,对结果的影响也越大,譬如170cm=1.7m。 简单讲,归一化的目的是可以用数值来直接进行比较,如果不归一化由于变量特性不同,同样加10,代表的意义不一样。
相关文章
- 03-11AT4108 [ARC094D] Normalization
- 03-11第二节 数值型特征进行归一化或标准化处理
- 03-11normalization归一化
- 03-11P9 归一化以及标准化对比
- 03-11Machine Learning--week2 多元线性回归、梯度下降改进、特征缩放、均值归一化、多项式回归、正规方程与设计矩阵
- 03-11吴恩达深度学习笔记(十二)—— Batch Normalization
- 03-11深度学习中眼花缭乱的Normalization学习总结
- 03-11一文详解深度学习中的Normalization
- 03-11Batch Normalization的理解
- 03-11Batch Normalization原理理解与作用