Open zjZSTU opened 5 years ago
https://www.zhujian.tech/posts/dea583b1.html#more
参考：数据标准化/归一化normalization 在多变量回归或分类问题上，需要保证这些变量的取值范围具有同一尺度 原因一：确保大尺度变量不会左右分类器的分类结果。如果分类器利用结果变量的距离来计算损失函数，那么小尺度变量的变化会被忽略，大尺度变量会决定分类效果原因二：帮助梯度下降算法收敛更快。参考机器学习—特征缩放/均值归一化，从损失函数等值线图可知，变量在同一尺度下能够更快的通过梯度下降算法
https://www.zhujian.tech/posts/dea583b1.html#more
参考：数据标准化/归一化normalization 在多变量回归或分类问题上，需要保证这些变量的取值范围具有同一尺度 原因一：确保大尺度变量不会左右分类器的分类结果。如果分类器利用结果变量的距离来计算损失函数，那么小尺度变量的变化会被忽略，大尺度变量会决定分类效果原因二：帮助梯度下降算法收敛更快。参考机器学习—特征缩放/均值归一化，从损失函数等值线图可知，变量在同一尺度下能够更快的通过梯度下降算法