机器学习-数据归一化方法（Normalization Method）

出现背景： 从左至右来看，第一个模型是一个线性模型，拟合度很低，也称做欠拟合（Underfitting），不能很好地适应咱们的训练集；第三个模型是一个高次方的模型，属于过分拟合，虽然能很好的适应咱们的训练数据集，可是在新输入变量进行预测的时候，可能效果会不好。第二个模型多是刚刚适合咱们数据的模型。 那么问题来了，若是咱们发现这样过分拟合的状况，如何处理呢？ 有两种方式： 1.丢弃一些不能帮助咱们正

>>阅读原文<<