特征缩放与归一化

特征缩放是机器学习中的一种预处理技术，它将数值特征转换为公共尺度，确保它们通过防止范围较大的特征主导来平等地贡献于模型，这对于像基于梯度下降的方法这样对特征尺度敏感的算法尤其重要。关键方法包括标准化（将数据转换为均值为0和标准差为1，通常更适合异常值）和归一化（将数据缩放到固定范围，通常是0到1）。