Help us understand the problem. What is going on with this article?

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

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)

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
Comments
No comments
Sign up for free and join this conversation.
If you already have a Qiita account
Why do not you register as a user and use Qiita more conveniently?
You need to log in to use this function. Qiita can be used more conveniently after logging in.
You seem to be reading articles frequently this month. Qiita can be used more conveniently after logging in.
  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
ユーザーは見つかりませんでした