文章插图
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 。
【矩阵标准化步骤】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 。
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
- 金边白菜的做法 怎么做金边白菜
- 毛巾叠小兔子步骤
- 灭火器怎么用的步骤
- 家常可乐鸡翅简单步骤
- 程序麻将机安装步骤及使用方法
- 金钱树修剪步骤图解
- 红豆杉修剪步骤图解
- 蓝莲花种植方法步骤
- 水芙蓉种植方法步骤
- 睡莲种植方法步骤