Machine learning 标准化机器学习输入

我有一组具有5000ish特征的输入，其值从0.005到9000000不等。每个要素都有相似的值（值为10ish的要素也不会有0.1ish的值）

我试图将线性回归应用于此数据集，但是，输入值的广泛范围正在抑制有效的梯度下降

处理这种差异的最佳方法是什么？如果规范化是最好的，请详细说明实现此规范化的最佳方法

---

谢谢

只需将其作为预处理步骤执行即可。您可以按以下方式执行此操作：

1） 计算训练集中每个特征的平均值并存储。小心，不要弄乱特征平均值和样本平均值，这样您将得到一个大小为[特征数量（5000ish）]的向量

2） 计算训练集中每个特征的标准并存储。[number_of_feature]的大小

3） 将每个培训和测试条目更新为：

更新=（原始向量-平均向量）/标准向量

就这样

代码如下所示：

# train_data shape [train_length,5000] 
# test_data        [test_length, 5000]
mean = np.mean(train_data,1)
std = np.std(train_data,1)

normalized_train_data = (train_data - mean)/ std
normalized_test_data = (test_data - mean)/ std