標準化

Python 的 Machine Learning 前處理

James Chapman

Curriculum Manager, DataCamp

什麼是標準化？

 

標準化：將_連續資料轉換為近乎常態分佈_

  • scikit-learn 模型假設資料近似常態分佈
  • 使用非常態的訓練資料會引入_偏誤_
  • 本課使用 對數正規化 與特徵縮放
  • 適用於連續數值資料
Python 的 Machine Learning 前處理

何時要標準化：線性距離

  • 在_線性_空間建模

 

例子：

  • k-Nearest Neighbors（kNN）
  • 線性迴歸
  • K-Means 分群

一個 kNN 範例。

Python 的 Machine Learning 前處理

何時要標準化：高變異

  • 在_線性_空間建模

 

例子：

  • k-Nearest Neighbors（kNN）
  • 線性迴歸
  • K-Means 分群

 

  • 資料集特徵具有高變異

一個 kNN 範例。

Python 的 Machine Learning 前處理

何時要標準化：尺度不同

 

  • 特徵位於不同尺度

 

例子：

  • 用房間數與上次成交價預測房價

 

  • 線性假設
Python 的 Machine Learning 前處理

一起來練習吧！

Python 的 Machine Learning 前處理

Preparing Video For Download...