机器学习-非监督学习-特征缩放

• 1、Chris 的 T 恤尺寸
• 2、针对 Chris 的度量
• 3、Cameron 的身高 + 体重
• 4、Sarah 的身高 + 体重
• 5、由我们的度量确定的 Chris T恤尺寸
• 6、利用不同的尺度来比较特征
• 7、特征缩放公式练习 1
• 8、特征缩放公式练习 2
• 9、特征缩放公式练习 3
• 10、最小值/最大值重缩放器编码练习
• 11、sklearn 中的最小值/最大值缩放器
• 12、需要重缩放的算法练习

#

1、Chris 的 T 恤尺寸

2、针对 Chris 的度量

3、Cameron 的身高 + 体重

4、Sarah 的身高 + 体重

5、由我们的度量确定的 Chris T恤尺寸

6、利用不同的尺度来比较特征

7、特征缩放公式练习 1

8、特征缩放公式练习 2

9、特征缩放公式练习 3

10、最小值/最大值重缩放器编码练习

要思考的问题：如果 x_max 和 x_min 相同怎么办？例如，假设输入特征的列表是 [10, 10, 10]——分母将为零。我们的建议是通常为每个新特征指定 0.5（0.0 和 1.0 中间），但这实际上由你自己决定。要点是，这个公式可能会有问题。

特征缩放过程应返回数据列表中所有三个值的重缩放值的列表。

11、sklearn 中的最小值/最大值缩放器

12、需要重缩放的算法练习