特征归一化对K Means有影响吗?是好的影响还是不好的影响?
3个回答
K均值中计算距离的方法应该可以有很多,如果以常用的欧氏距离作为计算距离的方法的话,归一化是好的。这样每个特性的重要性就会得到统一。
比如你想用K均值给动物分类,假如把重量(单位:克)作为一个特征,由于其数值和方差非常大(比如大象和松鼠),在计算距离的时候其它特征影响就显得就无关紧要。变成了主要按照重量来分类了。
有的距离计算方法可以忽略量纲的问题,比如余弦距离。这时候归一化应该没什么影响。
SofaSofa数据科学社区DS面试题库 DS面经简单来说,特征是否缩放须谨慎,最好在缩放前理解每个特征的含义(正如s3040608090所讲的体重的例子)。
至于影响可好可坏,要视整个上下文而定。
补充一句,基于距离的模型都会有“该不该缩放/标准化”的问题,比如说kNN。
SofaSofa数据科学社区DS面试题库 DS面经对特征归一化当然会对聚类结果产生影响
比如下图中,如果我们进行2-Means,A,B,C是一个聚类,D和E一个聚类
下图中,我们对x轴进行了归一化,然后2-Means,A和B是一个聚类,C,D和E是一个聚类。
所以归一化对聚类的结果是有影响的。
相关主题
关于小批量K均值(mini-batch K Means)的问题
3回答
关于online KMeans步骤中成员更新分类的问题?
1回答
如何用K Means做异常检测(outlier anomaly detection)?
3回答
进行K-Means聚类前,需要对数据做怎样的预处理?
1回答
二分法K Means的算法是什么?和普通的K Means有什么区别?
2回答
通俗地解释c-means以及fuzzy c-means是什么意思
2回答
我们谢绝在回答前讲“生动”的故事。
我们谢绝“这么简单,你自己想”、“书上有的,你认真看”这类的回答;如果你认为对方的提问方式或者内容不妥,你可以直接忽略该问题,不用进行任何作答,甚至可以对该问题投反对票。
我们谢绝答非所问。
我们谢绝自己不会、硬要回答。
我们感激每一个用户在编写答案时的努力与付出!