《数据预处理》课件-MaxAbs Scaling简介_第1页
《数据预处理》课件-MaxAbs Scaling简介_第2页
《数据预处理》课件-MaxAbs Scaling简介_第3页
《数据预处理》课件-MaxAbs Scaling简介_第4页
《数据预处理》课件-MaxAbs Scaling简介_第5页
已阅读5页，还剩6页未读， 继续免费阅读

下载本文档

版权说明：本文档由用户提供并上传，收益归属内容提供方，若内容存在侵权，请进行举报或认领

文档简介

MaxAbsScaling简介MaxAbsScaling的基本理解MaxAbsScaling的应用目录CONTENTS01MaxAbsScaling的基本理解MaxAbsScaling是数据预处理技术，通过除以每个特征列中的最大绝对值来转换特征向量，将数值范围限定在[-1,1]内。MaxAbsScaling介绍MaxAbsScaling适用于稀疏数据，不改变数据稀疏结构；保留符号和零分布，对于保持某些算法性能至关重要。稀疏数据适用MaxAbsScaling原理稀疏数据集适用MaxAbsScaling适用于稀疏数据集，能保持零元素位置，如文本数据的词频表示或图像的像素强度。高维数据优化MaxAbsScaling常用于高维稀疏数据，有效规范数据，且几乎不增加存储和计算负担。MaxAbsScaling适用场景MaxAbsScaling的[-1,1]范围适合保留负数，对于有正负数分布的数据更加友好。缩放范围对比与标准化相比，它不假设数据呈正态分布，也不会受到异常值影响。标准化对比由于MaxAbsScaling的目标是保持数据的稀疏性，所以在非稀疏数据或数据分布严重不对称时，它的效果可能不如其他缩放方法。稀疏性保持MaxAbsScaling与其他缩放方法比较01020302MaxAbsScaling的应用MaxAbs缩放在实际应用中的考虑探索性分析必要在采用MaxAbs缩放前，必须对数据进行彻底的探索性分析，以确保该方法适合当前的数据集和分析目标。不适用所有数据特征列包含许多异常值时，MaxAbsScaling可能不适用，因为异常值会对缩放结果产生不利影响。帮助算法收敛MaxAbsScaling可以帮助算法更快地收敛，尤其是对于那些对输入数据范围敏感的优化算法。适合稀疏数据MaxAbsScaler适合稀疏数据上的线性模型，包括支持向量机(SVM)、逻辑回归等，提升性能和速度。MaxAbsScaling在机器学习模型中的使用对于具有明显长尾分布或重尾分布的数据，使用MaxAbs可能导致信息损失，因为它通过除以最大值压缩了所有的数据范围。不适合长尾分布MaxAbs不能消除异常值的影响，因此前期可能需

人人文库> 全部分类> 教育资料 > 课件下载

温馨提示

  • 1. 本站所有资源如无特殊说明，都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等，如果需要附件，请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸，网页内容里面会有图纸预览，若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间，仅对用户上传内容的表现方式做保护处理，对用户上传分享的文档内容本身不做任何修改或编辑，并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容，请与我们联系，我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论