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，也称作欠拟合（Underfitting），不能很好地适应我们的训练集；第三个模型是一个高次方的模型，属于过度拟合，虽然能很好的适应我们的训练数据集，但是在新输入变量进行预测的时候，可能效果会很差。第二个模型可能是刚刚适合我们数据的模型。 那么问题来了，如果我们发现这样过度拟合的情况，如何处理呢？ 有两种方式： 1.丢弃一些不能帮助我们

>>阅读原文<<