##机器学习中数据标准差极小的预处理策略
现有数据大致上服从正态分布,但是标准差极小,如果简单地归一化到[-1,1]处理,得到的数据90%会集中在[-0.3,0.3]中间,数据变得没有什么区分度,请问这种类型的数据应该用什么预处理的策略比较好?
机器学习中数据标准差极小的预处理策略
- 写回答
- 好问题 0 提建议
- 追加酬金
- 关注问题
- 邀请回答
-
1条回答 默认 最新
- 繁华三千东流水 2019-09-07 09:37关注
在吴恩达的机器学习教学中说过,归一化后-0.3到0.3的数据是极好的。肉眼看是没什么区分度,但是当你的数据特征维度稍大一些,比如十维,二十维,三十维,那么在对应的维度空间里,样本和样本之间的距离还是很大的。
本回答被题主选为最佳回答 , 对您是否有帮助呢?解决 无用评论 打赏 举报
悬赏问题
- ¥15 关于博途V17进行仿真时无法建立连接问题
- ¥15 请问下这个红框里面是什么文档或者记事本编辑器
- ¥15 机器学习教材中的例题询问
- ¥15 求.net core 几款免费的pdf编辑器
- ¥15 为什么安装HCL 和virtualbox之后没有找到VirtualBoxHost-OnlyNetWork?
- ¥15 C# P/Invoke的效率问题
- ¥20 thinkphp适配人大金仓问题
- ¥20 Oracle替换.dbf文件后无法连接,如何解决?(相关搜索:数据库|死循环)
- ¥15 数据库数据成问号了,前台查询正常,数据库查询是?号
- ¥15 算法使用了tf-idf,用手肘图确定k值确定不了,第四轮廓系数又太小才有0.006088746097507285,如何解决?(相关搜索:数据处理)