Mean normalization(均值歸一化)

Paste_Image.png

我們可以將均值歸一化理解為特征縮放的另一種方法。
特征縮放和均值歸一化的作用都是為了減小樣本數(shù)據(jù)的波動使得梯度下降能夠更快速的尋找到一條‘捷徑’，從而到達全局最小值。
因此，均值歸一化則是先求得所有樣本的均值u
從而通過如下兩個例子公式或者其他公式
Paste_Image.png

使得
樣本數(shù)據(jù)在更小的范圍內(nèi)變化同樣明顯。
在分母中，我們可以使用樣本的max或者max-min，根據(jù)自身需求，選擇最合適的歸一化方法。

最后編輯于 ：
?著作權(quán)歸作者所有,轉(zhuǎn)載或內(nèi)容合作請聯(lián)系作者
【社區(qū)內(nèi)容提示】社區(qū)部分內(nèi)容疑似由AI輔助生成，瀏覽時請結(jié)合常識與多方信息審慎甄別。
平臺聲明：文章內(nèi)容（如有圖片或視頻亦包括在內(nèi)）由作者上傳并發(fā)布，文章內(nèi)容僅代表作者本人觀點，簡書系信息發(fā)布平臺，僅提供信息存儲服務(wù)。

相關(guān)閱讀更多精彩內(nèi)容

友情鏈接更多精彩內(nèi)容