课程: Python 机器学习基础
今天就开通帐号，24,700 门业界名师课程任您挑！
特征缩放与归一化
在进入模型训练前， 我们要完成一项重要的预处理步骤， 特征缩放，也称为归一化。 那么，我们为什么要进行特征缩放呢？ 在现实世界中， 不同特征往往具有不同的单位和量级。 比如，收入的单位可能是元或者万元， 孩子数量通常是个位数， 预算可能是 5 位数、甚至 6 位数， 年龄范围从十几岁到几十岁。 如果我们直接把这些数值输入模型， 数值大的特征会对模型影响更大， 导致模型训练更加偏向于重视这些特征。 这种现象就叫做 量纲不一致导致的特征权重不公平。 那么在哪些模型中， 我们必须要做特征缩放呢？ 首先是基于距离计算的模型， 比如 K 最近邻、支持向量机， 或者说 K-means 聚类， 它们直接依赖特征之间的距离， 所以，特征数值必须在统一尺度下才有意义。 然后是依赖梯度下降的模型， 像是逻辑回归、神经网络等等， 特征值差距过大，会导致梯度不稳定， 模型收敛变慢，甚至失败。 最后是正则化的线性模型。 如果特征没有缩放， 那么就会影响惩罚项对系数的影响。 我们本次归一化， 使用的是 MinMaxScaler。 它会把数值缩放到一个固定的范围， 默认就是 0-1。 所有的特征将被线性转换， 最小值对应 0，最大值对应 1， 其他值则按比例映射。 接下来，我们通过代码来实际操作一下。 首先我们创建一个新的代码框， 输入这样一行代码，运行一下。 这是 scikit-learn 中 提供的标准化代码工具， 用于按最小、最大范围进行缩放， 我们前面提到过。 接下来，我们再创建一个代码框， 运行这样一段代码。 在这里， 我们选择了这几个连续型的特征， 进行归一化， 收入、预算、年龄以及孩子的数量。 接着看第二行， 我们创建了一个缩放器实例， 用于后续的 fit() 和 transform()。 接下来，我们使用 fit_transform 这个函数 对数据拟合并转换， 然后返回缩放后的值。 然后，我们为每个缩放后的字段， 重新创建新的列名， 后缀加上 .scale 的，保留原始列， 以便后续对比或调试。 最后，我们把归一化后的数据， 添加到 Data Frame 作为新的列。 我们这里保留原始数据是一种良好的习惯， 可以方便后面的调试或者可视化分析。 最后，我们使用 print() 函数 打印了前 5 行归一化后的数据， 来验证处理的结果。 如果所有的值都在 0 到 1 之间，…
下载课程离线学习
下载课程到移动设备，轻松离线学习。在领英学习 iOS 或安卓版 APP 下载课程