Qiita Teams that are logged in
You are not logged in to any team

Log in to Qiita Team
Community
OrganizationAdvent CalendarQiitadon (β)
Service
Qiita JobsQiita ZineQiita Blog
0
Help us understand the problem. What is going on with this article?
@MoriYasu

FeatureScalingとはーーCourseraのMachineLeaningを完走したので復習するーー

More than 1 year has passed since last update.

FeatureScalingとは

一言でいうと、featuresの取り得る値の範囲(スケール)を変化させ、全てのfeaturesの値の範囲を揃えること。

例: 家の価格予想(feature1:家のサイズ、feature2:部屋の数)
家のサイズ(feature1)と部屋の数(feature2)とでは取り得る範囲(スケール)が全く異なる。

X=
\begin{pmatrix}
2014\ & 3\\
1600\ & 3\\
.\ & . \\
.\ & .\\
1416\ & 2\\

\end{pmatrix}

Xのcolumn1が家のサイズ(feature1)、column2が部屋の数(feature2)

このように大きくスケールの異なるfeaturesを用いるとき、FeatureScalingによって、それぞれfeaturesが取り得る値の範囲を一定に揃える。

FeatureScalingを使う理由

大きく異なるスケールのfeaturesを用いる場合、学習(=GradientDescentの収束)に時間がかかったり、うまく学習できないということが起こり得る。ゆえにFeatureScalingによってfeaturesのスケールを前もって揃えておくべきなのである。

FeatureScalingの方法(Mean Normalization)

FeatureScalingの際には全ての変数xの値がおおよそ$-1 \leqq x_i \leqq 1$の範囲に収まるようにする。

$x_i=\dfrac {x_i-\mu_i }{s_i}$
$x_i$:feature i
$\mu_i$ : $x_i$の平均
$s_i$ :feature Iの値の範囲(max-min) もしくは 標準偏差(standerd division)

0
Help us understand the problem. What is going on with this article?
Why not register and get more from Qiita?
  1. We will deliver articles that match you
    By following users and tags, you can catch up information on technical fields that you are interested in as a whole
  2. you can read useful information later efficiently
    By "stocking" the articles you like, you can search right away
MoriYasu

Comments

No comments
Sign up for free and join this conversation.
Sign Up
If you already have a Qiita account Login
0
Help us understand the problem. What is going on with this article?