為什麼需要做特徵值歸一化：
對於特徵是年齡、身高、年薪，標籤是擇偶觀的樣本資料而言，顯然利用特徵的差值來估算擇偶觀來看，年薪這一特徵值對於計算結果的影響最大。因此，我們需要對樣本資料做歸一化處理。
對於每一行樣本資料來說，歸一化處理公式如下：
normdataset=(data-min)/(max-min)
就上圖對於(年齡、身高、年薪)=(20、178、20000)的這行資料來說，歸一化之後，這行資料會更改為：
年齡=(20-20)/(30-20)=0
身高=(178-160)/(178-160)=1
年薪=(20000-20000)/(40000-20000)=0
所以，特徵值歸一化後，變為(0,1,0)
特徵值歸一化的**：
1、樣本資料（只包含特徵值，不包含標籤）：
2、執行**：
3、測試結果：
機器學習4 特徵向量與特徵值
a為n階矩陣，若數 和n維非0列向量x滿足ax x，那麼數 稱為a的特徵值，x稱為a的對應於特徵值 的特徵向量。式ax x也可寫成 a e x 0，並且 e a 叫做a 的特徵多項式。當特徵多項式等於0的時候，稱為a的特徵方程，特徵方程是乙個齊次線性方程組，求解特徵值的過程其實就是求解特徵方程的解。...
機器學習特徵值特徵抽取
根據文字的的特徵值，進行特徵值的抽取 from sklearn.feature extraction import dictvectorizer from sklearn.feature extraction.text import countvectorizer def countvec 對文字進...
機器學習之k 近鄰演算法
k nearest neighbor演算法又叫knn演算法，這個演算法是機器學習裡面乙個比較經典的演算法，總體來說knn演算法是相對比較容易理解的演算法 定義 如果乙個樣本在特徵空間中的k個最相似 即特徵空間中最鄰近 的樣本中的大多數屬於某乙個類別，則該樣本也屬於這個類別 2 相似度 就是指兩個點之...