机器学习之k近邻算法——4、特征值归一化

为什么需要做特征值归一化：

对于特征是年龄、身高、年薪，标签是择偶观的样本数据而言，显然利用特征的差值来估算择偶观来看，年薪这一特征值对于计算结果的影响最大。因此，我们需要对样本数据做归一化处理。

对于每一行样本数据来说，归一化处理公式如下：

normDataSet=(data-min)/(max-min)

就上图对于(年龄、身高、年薪)=(20、178、20000)的这行数据来说，归一化之后，这行数据会更改为：

年龄=(20-20)/(30-20)=0

身高=(178-160)/(178-160)=1

年薪=(20000-20000)/(40000-20000)=0

所以，特征值归一化后，变为(0,1,0)

特征值归一化的代码：

1、样本数据（只包含特征值，不包含标签）：

2、执行代码：

3、测试结果：