正则化和归一化分别怎么实现

正则化和归一化是数据预处理中常用的方法，它们的实现方法如下：

正则化：将数据缩放到一个特定的范围内，可以使用以下两种方法实现：

1.最大最小值归一化(Min-Max Normalization)：将数据线性缩放到[0,1]范围内，公式为： $$x'=\frac{x-min}{max-min}$$

其中，$x$是原始数据，$x'$是缩放后的数据，$max$和$min$分别是数据的最大值和最小值。

2.标准差归一化(Standardization)：将数据缩放到均值为0，标准差为1的正态分布范围内，公式为： $$x'=\frac{x-\mu}{\sigma}$$

其中，$x$是原始数据，$x'$是缩放后的数据，$\mu$和$\sigma$分别是数据的均值和标准差。

归一化：将数据缩放到相同的范围内，可以使用以下两种方法实现：

1.单位长度归一化(Unit Length Normalization)：将每个样本缩放到单位长度，公式为： $$x'=\frac{x}{\sqrt{\sum_{i=1}^n x_i^2}}$$

其中，$x$是原始数据，$x'$是缩放后的数据，$n$是数据的维度。

2.标准化平均值归一化(Mean Normalization)：将数据缩放到均值为0，方差为1的范围内，公式为： $$x'=\frac{x-\mu}{\sigma}$$

其中，$x$是原始数据，$x'$是缩放后的数据，$\mu$和$\sigma$分别是数据的均值和标准差