机器学习笔记 - 何时进行特征缩放

一、什么是特征缩放

        特征缩放是一种用于标准化自变量或数据特征范围的方法。在数据处理中，也称为数据归一化，通常在数据预处理步骤中执行。

        举个例子——如果你有多个独立变量，比如年龄、薪水和身高；它们的范围分别为（18-100 年）、（25,000-75,000 欧元）和（1-2 米），特征缩放将帮助它们都处于同一范围内，例如以 0 为中心或在范围内(0,1) 取决于缩放技术。

        为了将上述内容可视化，让我们以 存放在 UCI 机器学习存储库中的“葡萄酒数据集”中的葡萄酒数据集中的酒精和苹果酸含量的自变量为例 。您可以在下面看到两种最常见的缩放技术（标准化和标准化）对数据集的影响。

标准化和规范化对 Wine 数据集的影响

二、缩放方法

1、Min-Max Normalization

     &