AI术语词典

Definition

特征缩放通过标准化输入变量的范围，防止量级较大的特征主导学习过程。常见方法包括归一化（最小-最大缩放）和标准化（Z-score标准化）。这一预处理步骤对于基于距离的算法和梯度下降优化至关重要，能加速收敛并提高模型性能。

Summary

将数据的独立变量或特征的范围进行归一化，以确保量级一致性的过程。

Key Concepts

• 归一化
• 标准化
• 梯度下降
• 数据预处理

Use Cases

• 神经网络训练
• K-means聚类
• 支持向量机 (SVM)

Code Example

1
2
3
4
5
6
7

from sklearn.preprocessing import StandardScaler
import numpy as np

X = np.array([[1, 2], [3, 4], [5, 6]])
scaler = StandardScaler()
X_scaled = scaler.fit_transform(X)
print(X_scaled)

Related Terms

• Min-Max Scaling (最小-最大缩放)
• Z-score Normalization (Z-score标准化)
• Data preprocessing (数据预处理)
• Gradient Descent (梯度下降)