归一化处理的定义与目的 归一化处理是将数据按比例缩放,使之落入一个小的特定区间,通常是[0,1]或[-1,1]。其主要目的是消除数据量纲或尺度差异,使得不同特征之间具有可比性,避免某些特征因数值范围过大而主导模型训练。 常见的归一化方法 Min-Max归一化 将数据线性变换到指定范围[a,b],公式为: $$ x' = a + \frac{(x - \text{min}(X)) \times (b - a)}{\text{max}(X) - \text{min}(X)} $$ 其中X为原始数据,min(X)和max(X)分别为最小值和最大值。当a=0、b=1时,数据被压缩到[0,1]。 Z-S...