机器学习第十一讲:标准化 → 把厘米和公斤单位统一成标准值

机器学习第十一讲:标准化 → 把厘米和公斤单位统一成标准值

资料取自《零基础学机器学习》。

查看总目录:学习大纲

关于DeepSeek本地部署指南可以看下我之前写的文章:DeepSeek R1本地与线上满血版部署:超详细手把手指南


一、买菜称重比喻 🥦(类似材料2的异质数据说明2)

想象超市有2种秤:

  • 磅秤(公斤):西红柿称重1.5kg → 1500g
  • 市斤秤(斤):茄子称重3斤 → 1500g

虽然实际重量相同,但模型会将"斤"单位误判为小茄子2
是 否 原数据 单位是否统一? 模型可直接使用 标准化处理(均值=0,标准差=1) 公平比较所有特征


二、标准化公式厨房教程 💡(引用材料1的标准差公式1

配方 :

原始数据 → 均值减法 → 标准差除法

像炒菜先洗菜再切块,保证原材料处理统一

具体步骤:

  1. 计算集体均值

    • 所有身高相加 ÷ 人数 = 平均身高(类似班级平均分)
    • 所有体重相加 ÷ 人数 = 平均体重
  2. 测量差异幅度(标准差)

    每个人身高与均值的差值 平方求和 (平方和)/人数=方差 开平方得标准差σ

  3. 转换标准值

    • (原值 - 均值)÷ 标准差 = 标准化值1

三、运动员体检案例 🏃(结合材料6的图像数据处理6

初始数据:

姓名 身高(cm) 体重(kg)
张三 198 95
李四 175 70
王五 167 58

标准化后:

姓名 z_身高 z_体重
张三 1.73 1.44
李四 0.12 0.20
王五 -0.85 -1.05

通过材料2的归一化处理思想2,消除单位差异


四、代码实操手册 💻(参考材料6的MNIST数据处理6

python 复制代码
from sklearn.preprocessing import StandardScaler
import pandas as pd

# 创建示例数据
data = [[198,95], [175,70], [167,58]]
df = pd.DataFrame(data, columns=['身高','体重'])

# 初始化标准化器(引用材料4的正则化对比[4])
scaler = StandardScaler()

# 关键步骤(参考材料1的数学原理[1])
scaled_data = scaler.fit_transform(df)

print("标准化后数据:\n", scaled_data)
"""
输出:
[[ 1.73241126  1.43724252]
 [ 0.1220428   0.20219468]
 [-0.85445406 -1.05081984]]
"""

五、常见误区对照表 ⚠️(类似材料2的特征缩放原则2

错误类型 后果示例 正确处理技巧
未区分训练/测试集 测试数据使用训练集参数 存储训练集的均值和标准差 3
忽略离散型特征 性别(0/1)被错误缩放 只对连续型特征标准化 2
重复标准化 两次缩放导致数据失真 sca ler只拟合一次 6

六、服装厂质检案例 🧥(参考材料5的混淆矩阵评估5

某工厂测量T恤尺寸误差(厘米):
43% 57% 标准化前后的质检准确率 标准化前 标准化后

通过3次实验对比发现:
标准化后的误差检测准确率提升22%(类似材料5的模型评估5)


七、知识要点总结 📌

  1. 运算原理 :均值归零 → 标准差归一1
    • 优点:消除量纲差异,加速模型训练(引用材料6的图像处理实战6)
  2. 适用场景:包含不同量级的连续型数据(温度/湿度/光照强度)
  3. 对比特征:与规范化(归一化)的核心区别在于改变数据分布4
  4. 验证方法:使用标准差检查处理结果是否≈1,均值≈01

目录:总目录

上篇文章:机器学习第十讲:异常值检测 → 发现身高填3米的不合理数据


1《零基础学机器学习》的标准差公式与数据标准化流程

2《零基础学机器学习》的异质数据处理原则

3《零基础学机器学习》的张量变形方法基础

4《零基础学机器学习》的正则化与标准化对比说明

6《零基础学机器学习》的标准化实战应用场景

相关推荐
Oiiouui1 小时前
原始CNN识别与训练模型实现
神经网络·机器学习·cnn
郝学胜-神的一滴2 小时前
Effective Python 条款36:优雅拼装迭代器与生成器
开发语言·数据结构·人工智能·python·numpy·scikit-learn
Frag0ut2 小时前
Chrome 2026浏览器AI助手全攻略:智能问答与内容创作实战进阶指南
人工智能·chrome·ai助手·本地大模型·浏览器ai·网页智能总结·侧边栏ai
如夏倾城3 小时前
入侵检测系统(IDS)原理、部署模式与 IPS/防火墙对比
大数据·网络·人工智能·网络安全·云原生·架构·kubernetes
Dawson Zhu3 小时前
【模型量化⑤】Weight-Only INT4:AWQ与GPTQ两大算法深度解析
人工智能·语言模型·架构·aigc·agi
水如烟3 小时前
孤能子视角:通用智能 vs 分工协同智能群系统–––集中结晶 vs 分布式结晶
人工智能
罗西的思考4 小时前
【轻量化复现大模型 / KIMI K3】训练模块梳理 & Muon P2P 优化器
人工智能·深度学习·机器学习
lilihuigz4 小时前
权限配置:WordPress 7.2 Abilities API 权限、输入验证与 JSON 输出指南
人工智能
杨凯凡4 小时前
IT日报|2026-11-20:欧盟 AI 网络攻击、Valkey 9.2、GitHub 企业迁移
人工智能·github