歸一化後有兩個好處：
（1）歸一化後加快了梯度下降求最優解的速度。
（2）歸一化有可能提高精度（歸一化是讓不同維度之間的特徵在數值上有一定的比較性）
常見的資料歸一化方法
歸一化（min-max標準化）
標準化（z-score標準化）
歸一化（min-max標準化）
（1）min-max標準化（min-max normalization）（線性函式歸一化）
定義：也稱為離差標準化，是對原始資料的線性變換，使得結果對映到0-1之間。
本質：把數變為【0,1】之間的小數。
轉換函式：（x-min）/(max-min)
如果想要將資料對映到-1,1，則將公式換成：（x-mean）/(max-min)
缺陷：當有新資料加入時，可導致max和min的變化，需要重新定義
對異常值敏感
2）0均值標準化（z-score standardization）
定義：這種方法給與原始資料的均值（mean）和標準差（standard deviation）進行資料的標準化。經過處理的資料符合標準正態分佈，即均值為0，標準差為1.
本質：把有量綱表示式變成無量綱表示式。
轉換函式：（x-mean）/(standard deviation)
其中，mean為所有樣本資料的均值。standard deviation為所有樣本資料的標準差
歸一化和標準化
主要是讀了這篇文章才深入理解這兩個的區別 歸一化 對原始資料進行線性轉換到 0,1 區間，如下 最小值和最大值特別容易受異常值影響，因此魯棒性不好，比較適合傳統的小資料場景 標準化 最常用的方法是z score標準化，即將資料轉化成均值為0，標準差為1，處理方法如下 其中理論解釋 歸一化的依據非常簡...
資料標準化（歸一化）
資料標準化 歸一化 處理是資料探勘的一項基礎工作，不同評價指標往往具有不同的量綱和量綱單位，這樣的情況會影響到資料分析的結果，為了消除指標之間的量綱影響，需要進行資料標準化處理，以解決資料指標之間的可比性。原始資料經過資料標準化處理後，各指標處於同一數量級，適合進行綜合對比評價。以下是兩種常用的歸一...
標準化 歸一化（二）
答一 歸一化方法 1 把數變為 0，1 之間的小數 主要是為了資料處理方便提出來的，把資料對映到0 1範圍之內處理，更加便捷快速。2 把有量綱表示式變為無量綱表示式 歸一化是一種簡化計算的方式，即將有量綱的表示式，經過變換，化為無量綱的表示式，成為純量。標準化方法 資料的標準化是將資料按比例縮放，使...