我要招人

去企业版

首页 > 试题广场 >

以下机器学习中，在数据预处理时，不需要考虑归一化处理的是：

[单选题]

```
logistic回归
```
```
SVM
```
```
树形模型
```
```
神经网络
```

查看答案及解析

幸运之神777

当使用梯度下降法寻求最优解时，很有可能走“之字型”路线（垂直等高线走），从而导致需要迭代很多次才能收敛；在梯度下降进行求解时能较快的收敛。

所以，使用梯度下降法求解最优解的模型，归一化就非常重要！knn，logistc回归，gbdt，xgboost，adaboost

还有一些模型是基于距离的，所以量纲对模型影响较大，就需要归一化数据，处理特征之间的权重问题，这样可以提高计算精度。比如，knn，svm，kmeans，k近邻，主成分分析；

神经网络对数据分布本无要求，但归一化可以加快训练数据；

那么不需要归一化处理的模型，决策树，随机森林。他们因为它们不关心变量的值，而是关心变量的分布和变量之间的条件概率

编辑于 2019-07-20 00:28:43 回复(4)

烟花易冷201907161859980

树模型，对数据量纲不敏感，因此不需要数据归一化

发表于 2019-07-16 19:01:42 回复(0)

美丽东

参考：百面机器学习第一章第一节

数值特征归一化方法有：线性函数归一化和零均值归一化

需要通过梯度下降法求解的模型需要数值特征归一化：如线性回归、逻辑回归、支持向量机、神经网络模型。（原因：随机梯度下降时，特征值相差大，会导致更新速度慢，需要兼顾特征值小的特征）

不需要特征归一化：决策树模型，决策树模型分裂根据信息增益，信息增益与特征归一化无关。

发表于 2020-09-24 16:40:03 回复(0)

干豆豆浆

1.首先，使用梯度下降法求解最优解的模型，归一化非常重要：knn，logistc回归，gbdt，xgboost，adaboost

2.有一些模型是基于距离的，所以量纲对模型影响较大，就需要归一化数据，处理特征之间的权重问题，这样可以提高计算精度。比如，knn，svm，kmeans，k近邻，主成分分析；

3.神经网络对数据分布本无要求，但归一化可以加快训练数据；

4.那么不需要归一化处理的模型，决策树，随机森林。他们因为它们不关心变量的值，而是关心变量的分布和变量之间的条件概率

(抄来的笔记)

发表于 2019-07-30 13:16:17 回复(0)

今夜吃鸡

标记一下：LR 用梯度下降法进行求解所以需要归一化加快收敛避免震荡，SVM是基于距离的受量纲影响较大，就需要归一化数据，同理的还有KNN,Kmeans，PCA 。

发表于 2019-07-25 20:10:02 回复(0)

onion_ne

逻辑回归、Svm、神经网络，都要归一化，才能对数据进行处理

发表于 2019-07-16 15:19:47 回复(0)

有点饿

当出现缺失值时，算法的选取：

1. 树模型对于缺失值的敏感度较低，大部分时候可以在数据有缺失时使用。

2. 涉及到距离度量(distance measurement)时，如计算两个点之间的距离，缺失数据就变得比较重要。因为涉及到“距离”这个概念，那么缺失值处理不当就会导致效果很差，如K近邻算法(KNN)和支持向量机(SVM)。

3. 线性模型的代价函数(loss function)往往涉及到距离(distance)的计算，计算预测值和真实值之间的差别，这容易导致对缺失值敏感。

4. 神经网络的鲁棒性强，对于缺失数据不是非常敏感，但一般没有那么多数据可供使用。

5. 贝叶斯模型对于缺失数据也比较稳定，数据量很小的时候首推贝叶斯模型。

6. 总结来看，对于有缺失值的数据在经过缺失值处理后：

(1) 数据量很小，用朴素贝叶斯

(2) 数据量适中或者较大，用树模型，优先 xgboost

(3) 数据量较大，也可以用神经网络

(4) 避免使用距离度量相关的模型，如KNN和SVM

发表于 2022-01-12 17:43:28 回复(0)

405200856

以下机器学习中，在数据预处理时，不需要考虑归一化处理的是树形模型

发表于 2019-07-21 14:00:13 回复(0)

勇敢的修勾刷了100道题

树型模型在数据预处理时，不需要考虑归一化处理。

发表于 2023-06-08 18:47:49 回复(0)

Fabulous_HK

决策树和随机森林对数据量纲不敏感

发表于 2020-08-30 10:49:37 回复(0)

牛媛666

梯度下降—归一化、量纲影响

发表于 2020-07-07 00:54:10 回复(0)

许愿建行拿到offer

在使用梯度下降法的算法为了避免走之字形，迭代次数过多，数据预处理时该使用归一化处理。在基于距离求解的算法，量纲对于结果有影响，因此也需要使用归一化处理。

发表于 2019-11-28 22:05:33 回复(0)

Arsent

dt rf, 等对数值不敏感，对缺失不敏感

编辑于 2019-08-24 11:52:01 回复(0)

瑞雪201908011211714

发表于 2019-08-01 12:21:28 回复(0)

提交观点

问题信息

数据分析工程师算法工程师京东机器学习 2019 数据分析师数据分析工具/软件

上传者：小小

难度：

14条回答 705收藏 16930浏览

以下机器学习中，在数据预处理时，不需要考虑归一化处理的是：

问题信息

热门推荐

相关试题