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