RACH_preamble 2019-09-05 11:16 采纳率: 83.3%
浏览 375
已采纳

机器学习中数据标准差极小的预处理策略

##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?

  • 写回答

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?
    评论

报告相同问题?

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)