24小时热门版块排行榜    

CyRhmU.jpeg
查看: 3870  |  回复: 5

yuanmd

至尊木虫 (知名作家)

衔头义定自

[求助] 做特征选择时,特征需要归一化么?已有1人参与

请问:做特征选择时,特征需要归一化么?比如要用稀疏表示之类的构造Laplacian图。

一般情况下,在用稀疏表示构图进行谱聚类时,数据应该是要归一化的。

现在我想,在做特征选择时是否也需要归一化?

采用何种何一化呢?有以下几种情况:
1) 若尺度一致,比如人脸图像,是不是可以进行样本归一化?或者是除以256?
2)若尺度可能不一致,是否应该采用特征归一化(或者说采用f-min(f)/(max(f)-min(f)))?

找到相应的特征排序后,是提取原始特征还是归一化的特征做聚类?

恳请大家不吝赐教!~感谢!~~
回复此楼
梦想总是要有的,万一实现了呢?
已阅   回复此楼   关注TA 给TA发消息 送TA红花 TA的回帖

yuanmd

至尊木虫 (知名作家)

衔头义定自

自己顶一下,不要沉了~~~~
梦想总是要有的,万一实现了呢?
2楼2017-03-29 10:32:18
已阅   回复此楼   关注TA 给TA发消息 送TA红花 TA的回帖

wake_up

木虫 (著名写手)

【答案】应助回帖

★ ★ ★ ★ ★ ★ ★ ★ ★ ★
感谢参与,应助指数 +1
yuanmd: 金币+10, ★★★★★最佳答案, 感谢!~ 2017-04-28 00:25:37
不管尺度是否一致,一般都要归一化。  归一化不光是因为尺度不一致问题,还有优化计算时候的问题。

归一化的方式很多, 常见的有除以和,L1,L2归一化,  zero mean unit variance等。

楼主可以对比一下归一化和不归一化的效果,看看那个好。 毕竟不是所有问题答案都一样。
扫地扫地扫心地,心地不扫空扫地,人人都把心地扫,世上无处不净地.
3楼2017-03-29 20:32:18
已阅   回复此楼   关注TA 给TA发消息 送TA红花 TA的回帖

yuanmd

至尊木虫 (知名作家)

衔头义定自

引用回帖:
3楼: Originally posted by wake_up at 2017-03-29 20:32:18
不管尺度是否一致,一般都要归一化。  归一化不光是因为尺度不一致问题,还有优化计算时候的问题。

归一化的方式很多, 常见的有除以和,L1,L2归一化,  zero mean unit variance等。

楼主可以对比一下归一 ...

感谢 ,我就是看到有人做了归一化,有人没有做归一化,都不知道该如何选择了~~~~
梦想总是要有的,万一实现了呢?
4楼2017-04-28 00:26:21
已阅   回复此楼   关注TA 给TA发消息 送TA红花 TA的回帖

ll550

木虫 (职业作家)

引用回帖:
4楼: Originally posted by yuanmd at 2017-04-28 00:26:21
感谢 ,我就是看到有人做了归一化,有人没有做归一化,都不知道该如何选择了~~~~...

这个是由于很多人数据的来源不同的。因为有些人用的数据已经是别人处理过的,所以这部分normalization没有提到
livelong
5楼2017-04-28 16:45:54
已阅   回复此楼   关注TA 给TA发消息 送TA红花 TA的回帖

玉麒麟007

铜虫 (正式写手)

通常建议归一化。一个是千米单位,一个毫米,你不归一化,怎么知道两个因素对结果的影响大小?归一化后,可以有效规避这类问题

发自小木虫Android客户端
6楼2017-04-28 20:12:03
已阅   回复此楼   关注TA 给TA发消息 送TA红花 TA的回帖
相关版块跳转 我要订阅楼主 yuanmd 的主题更新
信息提示
请填处理意见