文档摘要

5.2 特征变换：缩放、归一化与编码怎么选 本节摘要：缩放服务于「依赖距离与梯度」的模型，编码服务于「非数值特征的数字化」，两者各有明确的选择树。本节覆盖标准化与归一化的适用边界、树模型免缩放的原因、独热与目标编码的权衡，以及标签编码「假装有序」的经典陷阱。 清洗之后的数据仍不适合直接入模：量纲打架、类别变量不是数字。 会员。《5.2 特征变换：缩放、归一化与编码怎么选》收录于灏天文库文集《机器学习算法面试题精选与解析》，原作者/来源：灏天文库，整理自「灏天文库」，提供技术教程、实践指南与问题解决方案，支持在线阅读、全文检索与知识沉淀，助力开发者系统化学习。本站整理收录，版权归原作者/开源协议所有。

该文档为会员专享，请先登录或注册后再查看

登录 注册

---

作者与出处

原作者： 灏天文库

来源：灏天文库

原文： https://aiknowledge.cn/collection/543-%E6%9C%BA%E5%99%A8%E5%AD%A6%E4%B9%A0%E7%AE%97%E6%B3%95%E9%9D%A2%E8%AF%95%E9%A2%98%E7%B2%BE%E9%80%89%E4%B8%8E%E8%A7%A3%E6%9E%90

整理： 灏天文库整理

由灏天文库平台收录，内容或由平台用户上传，仅供学习交流