【人工智能】特征数据为什么要归一化

1. 以老鸭汤的口味作为标签，原料作为特征因素，
2. y = w1x1 + w2x2 + w3x3 + …… + wnwn + b
3. 各种原料对老鸭汤口味的重要性通过 wn*xn 的值来体现，单一的 wn 或者 xn 不能体现原料对口味的影响程度
4. 原材料对口味的影响程度有着巨大的差异，假设老鸭汤要放 5g 的盐 和 1000g 的水，盐的重要性远远大于水，模型在训练的过程中就会疯狂增大盐前面的系数，以此来体现盐的重要性，而水前面的系数将会非常小
5. wn 疯狂增大或减少，计算机就有可能算不出结果返回 NAN，导致模型训练失败
6. 由上述可知：特征因素值的大小对其影响程度而言是没有意义的，而且由于取值的巨大差异（5g 盐 和 1000g 水）会大大增加计算机的计算负担
7. 既然这样，那就可以把 xn 归一化
8. 那么特征因素的系数 wn 就可以大致可以体现原料对口味的影响程度，而且大大的降低了计算成本（xn <= 1），不会出现无法计算的情况