Udacity-机器学习入门-特征缩放

• 给出这三个人的身高和体重：

• 按照我们的理解，明显Chris应该穿L码，但是根据身高+体重的结果，Chris却应该穿S。这是为什么呢？

因为在这里，体重完全主导了结果，身高的影响微乎其微。
而我们应该尽量让两者对结果有同等重要的影响。
这就引来了特征缩放——把特征都限制在[0,1]之间。

解释：

• X’是你要构建的新特征
• X（max）和X（min）是原始特征再被缩放前所取的最小值和最大值
• X代表需要缩放的各项特征的原始值

特点：缩放后的特征值总是在0和1之间

• 优点：你的预估输出相对稳定

• 缺点：如果你的输出特征中有异常值，那么你的特征缩放就会比较棘手（最大值最小值可能是极端值）

• 10.最小值/最大值重缩放器编码练习

def featureScaling(arr):
    import numpy as np
    arr = np.array(arr)
    max = np.max(arr)
    min = np.min(arr)
    new=[]
    for item in arr:
        if max != min :
            float (item)
            item =float(item-min)/(max-min)
            new.append(item)
        else:
            item=0.5
            new.append(item)
    return new

# tests of your feature scaler--line below is input data
data = [115, 140, 175]
print featureScaling(data)

这里要特别注意float的问题

如果不做类型转换，则会发生：(140-115)/175=0

但是float这里用的位置很重要，解释如下：

1/2=0
1.0/2=0.5

微笑脸~

• sklearn中如何使用

访问Preprocessing data可以获取
可以通过MinMaxScaler 或者 MaxAbsScaler引入

示例（完成同上一代码相同的功能）：

from sklearn.preprocessing import MinMaxScaler
import numpy
#这里numpy数组中的是特征，因为此处特征只有一个，所以看起来是这样的
#因为这里应该作为一个浮点数进行运算，所以数字后面要加.
weights = numpy.array([[115.],[140.],[175.]])
scaler = MinMaxScaler()
rescaled_weight = scaler.fit_transform(weights)
print rescaled_weight

• 12.哪些机器学习算法会受到特征缩放的影响？

  1. 使用RBF核函数的SVN
  2. K-均值聚类

在这两种算法中计算距离时，你其实是在利用一个维度与另一个维度进行交换

如：

• SVM计算最大距离时就是这种情况。如果我们把某一点增大至其他点的两倍，那么它的数值也会扩大一倍
• K-均值聚类也是。计算各数据点到集群中心的距离

• 15.缩放类型

MinMaxScaler

• 16.计算重缩放特征

salary : 0.17962406631
stock : 0.0290205889347