线性回归缩放特征

Question

我想做一个线性回归。

我的功能是这样的：

Marketcap       EBIT Margin   Price to Book Ratio   EPS Growth

5.589918e+08    23.05            8.71                 7.16
5.572475e+08    65.00            9.68              - 18.44
8.639290e+09     7.8            12.74              - 55.00

在进行线性回归时，我确实必须对特征进行缩放，尤其是当它们具有像 Marketcap 和其他特征这样不同的比例时，对吧？

EPS 增长的负值是怎么回事？ 在此示例中执行特征缩放的最佳方法是什么？

Answer 1

来自docs：

通过去除均值和缩放到单位方差来标准化特征

这意味着，给定一个输入 x，将其转换为 (x-mean)/std（其中所有维度和操作都已明确定义）。

因此，即使您的输入值都是正数，移除均值也会使其中一些值为负数：

>>> x = np.array([3,5,7])
>>> np.mean(x)
5.0
>>> x - np.mean(x)
array([-2.,  0.,  2.])

更多细节：

http://yann.lecun.com/exdb/publis/pdf/lecun-98b.pdf（第 4.3 节） http://scikit-learn.org/stable/modules/preprocessing.html#standardization-or-mean-removal-and-variance-scaling http://www.faqs.org/faqs/ai-faq/neural-nets/part2/section-16.html