题目
在机器学习中,特征缩放(Feature Scaling)是一项常见的数据预处理步骤。对于基于距离度量的算法(如K近邻、支持向量机),如果不进行特征缩放,可能导致什么问题?()A. 模型会忽略尺度较小的特征,使结果偏向于尺度较大的特征B. 模型的训练速度会异常加快C. 分类任务会自动转变为回归任务D. 数据的缺失值将无法被填充
在机器学习中,特征缩放(Feature Scaling)是一项常见的数据预处理步骤。对于基于距离度量的算法(如K近邻、支持向量机),如果不进行特征缩放,可能导致什么问题?()
A. 模型会忽略尺度较小的特征,使结果偏向于尺度较大的特征
B. 模型的训练速度会异常加快
C. 分类任务会自动转变为回归任务
D. 数据的缺失值将无法被填充
题目解答
答案
A. 模型会忽略尺度较小的特征,使结果偏向于尺度较大的特征