内容标题31

  • <tr id='N1QziP'><strong id='N1QziP'></strong><small id='N1QziP'></small><button id='N1QziP'></button><li id='N1QziP'><noscript id='N1QziP'><big id='N1QziP'></big><dt id='N1QziP'></dt></noscript></li></tr><ol id='N1QziP'><option id='N1QziP'><table id='N1QziP'><blockquote id='N1QziP'><tbody id='N1QziP'></tbody></blockquote></table></option></ol><u id='N1QziP'></u><kbd id='N1QziP'><kbd id='N1QziP'></kbd></kbd>

    <code id='N1QziP'><strong id='N1QziP'></strong></code>

    <fieldset id='N1QziP'></fieldset>
          <span id='N1QziP'></span>

              <ins id='N1QziP'></ins>
              <acronym id='N1QziP'><em id='N1QziP'></em><td id='N1QziP'><div id='N1QziP'></div></td></acronym><address id='N1QziP'><big id='N1QziP'><big id='N1QziP'></big><legend id='N1QziP'></legend></big></address>

              <i id='N1QziP'><div id='N1QziP'><ins id='N1QziP'></ins></div></i>
              <i id='N1QziP'></i>
            1. <dl id='N1QziP'></dl>
              1. <blockquote id='N1QziP'><q id='N1QziP'><noscript id='N1QziP'></noscript><dt id='N1QziP'></dt></q></blockquote><noframes id='N1QziP'><i id='N1QziP'></i>
                題目標題

                標準化與歸一化的區別?

                難度:初級

                機器學習
                參考解析

                簡單來說,標準化是依照心道特征矩陣的列處理數據,其通過求 z-score 的方法,
                將樣本的特征值轉換到同一量綱下。歸一化是依照特征矩陣的行處理數據,其
                目的在於樣本向量在點乘運算或顺着他其他核函數計算相似性時,擁有統一的高老头大喝一声標準,
                也就是說铁补天洁白如玉都轉化為“單位向量”。規則為 L2 的歸一化公式如下:
                特征向量的缺失值處理:
                1.缺失值較多.直接將慢慢該特征舍棄掉,否則可能反倒會帶入較大的 noise,對結
                果造成不良影響。
                2.缺失值較这柄剑少,其余的特征缺失〒值都在 10%以內,我們可以采取很多的方式來處
                理:
                1) 把 NaN 直接嘿嘿作為一個特征,假設用 0 表示;
                2) 用均值填充;
                3) 用隨機森林等算法預測填充