dlink nas做网站,wordpress 取消做这,如何利用ps做网站,win10优化大师怎么样目录 一、引入特征缩放#xff1a;二、特征缩放介绍#xff1a;三、如何实现特征缩放#xff1a;1.分别除特征中最大值缩放到0—1#xff1a;2.均值归一化缩放到-1—1#xff1a;3.Z-Score归一化#xff1a; 四、特征缩放合理范围#xff1a; 一、引入特征缩放#xff… 目录 一、引入特征缩放二、特征缩放介绍三、如何实现特征缩放1.分别除特征中最大值缩放到0—12.均值归一化缩放到-1—13.Z-Score归一化 四、特征缩放合理范围 一、引入特征缩放 举个例子如果数据集中有两个特征size、bedrooms其中size范围是0–5bedrooms范围是3–2000试想这种不同特征取值范围差距很大的话会发生什么情况有一种可能是会导致损失函数中w1参数轴会相对很短w2轴会相对很长这就导致三维损失函数很扁用等高线损失图表示的话图像就会很扁 如果用上述数据集进行训练在梯度下降的时候计算偏导数梯度时会不准确直接导致参数收敛速度变慢 如何解决这个问题答案就是使用特征缩放思想。 二、特征缩放介绍 对于上面的例子数据集中两个特征size、bedrooms的取值范围差别很大我们可以将两个特征分别缩放到相同的取值范围内这就是特征缩放。 例如将特征size、bedrooms的数据范围同时缩放到0–1区间内这样的好处是参数值可取范围比较统一等高线损失图相对更圆在梯度下降时可以找到一条更直接的通往最优参数值最小损失值的路径即梯度下降更快。 三、如何实现特征缩放 注意是缩放特征但是目的是为了使损失函数中参数可取范围统一使得梯度下降更快。 1.分别除特征中最大值缩放到0—1 2.均值归一化缩放到-1—1 μ1为该特征的均值 3.Z-Score归一化 μ1为改特征的均值σ为该特征的标准差 四、特征缩放合理范围