[人工智能]最大值最小值归一化&标准归一化（均值归一化，标准归一化）

最大值最小值归一化

Xjmin是Xj所在列的最小值

Xjmax是Xj所在列的最大值

问题：

能做到归一化（0-1zhi之间），但是一旦数据中有一个离群值（特别大的值）就会出现这个离群值做完归一化后特别趋近于1，而其他值特别趋近于0

标准归一化

经过处理的数据符合标准正态分布即均值为0,标准差为1

Xmean：X所在列的均值

Standard Deviation：X所在列的标准差

标准差的公式会考虑到所有样本数据，所以受离群值影响会小一些。

但是如果使用标准归一化不一定会把数据缩放到0-1之间。

如果样本都是正的，那么所有的的参数θ在调整的时候可能都朝着一个方向调整。

标准归一化可以是样本缩放的同时，也可以使样本有正有负，这样就可以让不同的

θ朝着不同方向调整直接到达最优解，减少迭代次数。

?