最大值最小值归一化_sklearn官网介绍_什么是过拟合_防止过拟合_为什么权重W越少越小越好---人工智能工作笔记0030

本文介绍了归一化的重要性,通过调整数据使其处于同一尺度,有助于机器学习中不同特征的公平比较。讨论了sklearn库在分类、回归、聚类和降维等任务中的应用,并特别关注了岭回归防止过拟合的原理,强调简单模型和小权重的优越性。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

 然后我们再来看一下,再来说一下归一化

比如:在公司有两个人,一个是W2 他能力强,然后领导给他分配的活还少,

然后一个是W1他能力弱,干的慢,但是领导给他分的活多,这个时候他们一起做一个项目的话,那么

就会出现,W2已经干完活了,在那闲着,然后W1还在赶工对吧,这个时候,怎么调整,呢,肯定不能,让他俩掉个个对吧,在机器学习中,公式是固定的没办法分开,这怎么办呢?

可以这样,我们找两个,能力相当的W2,W1,然后给他俩分配,几乎一样的任务,这样就能保证他俩,几乎一块做完工作了.

然后比如,我们有两组样本x1 是1 2 3 5 5 ,x2是10000,20000,30000,50000,50000

我们根据y=w0x0这样来说的话,那么x越大,对应的theta就越小对吧,x越小,那么theta就越大,那么

这里如果我们可以让,x1,x2 都差不多大呢?然后可以看到右边画的图,这个时候,如果x1,x2,这两个

样本都可以缩小到同一个范围,并且,不失去原来的意义,那么,最后画出图,就可以是右边这样,那么

他们这个thet

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

添柴程序猿

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值