矩阵标准化步骤
矩阵标准化的目的是 ， 通过标准化处理 ， 得到均值为0 ， 标准差为1的服从标准正态分布的数据 。(相对一维数据来说 ， 也就是相对矩阵的每一列 ， 数据的每一个维度）矩阵标准化方法是样本数据减去均值然后除以标准差 。
1)、方便处理数据 。在一些实际问题中 ， 我们得到的样本数据都是多个维度的 ， 即一个样本是用多个特征来表征的 。比如在预测房价的问题中 ， 影响房价的因素有房子面积、卧室数量等 ， 我们得到的样本数据就是有关房子面积与卧室数量的一些样本点 ， 这里的样本点对又被称为特征向量 。很显然 ， 这些特征的量纲和数值的量级都是不一样的 ， 在预测房价时 ， 如果直接使用原始的数据值 ， 那么他们对房价的影响程度将是不一样的 ， 而通过标准化处理 ， 可以使得不同的`特征具有相同的Scale 。这样 ， 在使用梯度下降法学习参数的时候 ， 不同特征对参数的影响程度就一样了 。
简而言之 ， 当原始数据不同维度上的特征的尺度（单位）不一致时 ， 需要标准化步骤对数据矩阵进行预处理 。
【矩阵标准化步骤】2)、加快收敛速度 。大部分数据矩阵归一化后收敛速度会加快 。
3)、提升精度 。
4)、防止梯度爆炸 。
推荐阅读
- 清明节扫墓简笔画步骤
- 教师节手抄报的画法步骤教程
- 蛏子怎么清洗
- 淡菜干怎么清洗
- 海米冬瓜汤的材料和做法步骤
- 姜汤怎么煮 姜汤的做法步骤
- 海带冬瓜汤的材料和做法步骤
- 海尔xqg60k1079怎么用
- 质子条件式的书写步骤
- 怎么开网店详细步骤(如何开一家网店呢）