特征缩放_概念

• 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）

代码示例：

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

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