样本数据的真实值为什么需要做中心化处理

假设下面的七个点是原始数据,

  1. 不做中心化需要用 一维的线性回归:y=kx+b 拟合得到红线,红线更容易被一些离群点影响,而产生偏差,而绿线更稳定一些,因为绿线是通过固定点的直线
  2. 中心化之后,假设改为,y=kx ,只优化k就可以得到绿线。
  3. 当数据量很大时,这两条线会趋于平行,也就等价了,但是在小数据量的时候还是做中心化的效果更好一点。

基于以上几点对样本数据做中心化效果会更好,那去中心化 到底该怎么做呐? real=real-b,那b怎么求得呐?可以猜测比如电影评分1~5分,那么去中间值=b 可能效果会好一点。

发布了118 篇原创文章 · 获赞 132 · 访问量 60万+

猜你喜欢

转载自blog.csdn.net/qfikh/article/details/103116606