weixin_40170393的博客

在机器学习中，标准化是一种常用的数据预处理方法，与归一化不同，标准化是一种基于特征的统计量，例如均值和标准差， 来缩放数据的方法。具体来说，归一化的目的是将数据的值域缩放到一个固定的范围内， 通常是【0，1】或者【-1， 1】。在机器学习中， 归一化是一个重要的预处理步骤，归一化可以将所有的特征放到相同的尺度， 以确保他们具有相同的重要性。因为不同的特征之间的单位（量纲）可能不同，导致某些特征对模型的训练和预测产生更大的影响。他的目的是将数据缩放到相同的尺度，去除异常值的影响，以便于模型的训练和优化。

随机梯度下降SGD stochastic gradient descent

基于核方法的测试实例