ML |特征缩放-第1部分

特征缩放 是一种在固定范围内标准化数据中存在的独立特征的技术。它是在数据预处理期间执行的。

工作： 给定一个具有特征的数据集- 年龄 , 薪水 , BHK公寓 每个人拥有5000个独立的数据特征。

每个数据点标记为：

• 是的 （指具有给定的 年龄 , 薪水 , BHK公寓 功能价值（可购买房产）
• 第二类-没有 （指具有给定的 年龄 , 薪水 , BHK公寓 功能价值（买不起房产）。

通过使用数据集来训练模型，我们的目标是建立一个模型，该模型可以预测人们是否可以购买具有给定特征值的房产。

一旦对模型进行了训练，就可以创建一个包含给定数据集数据点的N维（其中N是数据集中存在的特征数）图。下图是模型的理想表示。

如图所示，恒星数据点属于 1类——是的 圆圈代表 第二类——没有 标签，然后使用这些数据点对模型进行训练。现在给出了一个新的数据点（如图所示的菱形），它对3个特征具有不同的独立值( 年龄 , 薪水 , BHK公寓 )如上所述。该模型必须预测该数据点是否属于“是”或“否”。

预测新数据点的类别： 该模型计算该数据点与每个类别组的质心之间的距离。最后，该数据点将属于该类别，该类别与该数据点之间的质心距离最小。 使用这些方法可以计算质心和数据点之间的距离-

• 欧几里德距离： 它是坐标（特征值- 年龄 , 薪水 , BHK公寓 )每个类的数据点和质心。这个公式由毕达哥拉斯定理给出。 其中x是数据点值，y是质心值，k是特征值的数量，例如：给定数据集的k=3
• 曼哈顿距离： 它被计算为每个类的数据点坐标（特征值）和质心之间的绝对差值之和。
• 闵可夫斯基距离： 这是上述两种方法的推广。如图所示，可以使用不同的值来查找r。

功能扩展的需求： 给定的数据集包含3个特征– 年龄 , 薪水 , BHK公寓 考虑10到60的范围 年龄 ，1个Lac-40个Lac 薪水 ，1-5分 公寓的BHK .所有这些功能都是相互独立的。 假设类别1的质心为[40,22 Lacs，3]，要预测的数据点为[57,33 Lacs，2]。

使用曼哈顿方法，

Distance = (|(40 - 57)| + |(2200000 - 3300000)| + |(3 - 2)|)

可以看出，在预测给定数据点的类别时，薪资特征将主导所有其他特征，因为所有特征都是相互独立的，即一个人的薪资与他/她的年龄或他/她对公寓的要求无关。这意味着模型总是预测错误。

所以，这个问题的简单解决方案是特征缩放。特征缩放算法将在固定范围内（比如[-1,1]或[0,1]）缩放年龄、薪资和BHK。这样一来，任何功能都无法主宰其他功能。