特征缩放

Parent: ai_keywords

特征缩放

核心定义

特征缩放（Feature Scaling）是数据预处理中一项关键步骤，旨在通过数学变换将原始特征值映射到同一尺度（如 [0,1] 或均值为 0、标准差为 1），从而消除不同特征因量纲或数量级差异导致的模型偏差。在机器学习和深度学习任务中，特征缩放是确保模型稳定、高效收敛的必要前提，尤其对基于距离度量（如欧氏距离）或梯度下降优化的算法至关重要。

关键技术点

1. 标准化（Standardization）与归一化（Normalization）

   • 标准化（Z-score）：x' = (x - μ) / σ，适用于数据近似高斯分布或需要保留异常值时；
   • 归一化（Min-Max Scaling）：x' = (x - min) / (max - min)，将数据压缩至 [0, 1] 区间，但对异常值敏感。
     选择取决于模型假设：线性回归、SVM 偏好标准化；神经网络可两者皆可，但需配合激活函数特性。

2. 对基于距离算法的影响
   k-NN、K-means、SVM（核函数含距离项）等算法直接计算样本间距离。若特征尺度不一致（如一个特征值范围 0-1000，另一个 0-1），大数值特征将主导距离计算，导致模型忽视小尺度特征的真实贡献。

3. 梯度下降收敛速度优化
   在神经网络或逻辑回归中，未缩放的特征会使损失函数等高线呈狭长椭圆形，导致梯度下降沿陡峭方向振荡，收敛缓慢甚至发散。缩放后等高线近似圆形，梯度指向全局最优方向，加速收敛并降低对学习率的敏感度。

4. 鲁棒缩放（RobustScaler）
   使用中位数和四分位距（IQR）进行缩放：x' = (x - median) / IQR。对异常值不敏感，适用于含离群点的医学数据（如生理信号或生化指标）。

5. 主成分分析（PCA）的前提条件
   PCA 基于方差最大化原则，未缩放时方差大的特征会主导主成分方向，导致误判真实的结构信息。对所有特征进行标准化（均值为 0、方差为 1）可确保维度约简的客观性。

医学/神经科学应用场景

以首都医科大学神经病学团队早期诊断阿尔茨海默病（AD）为例，其多模态数据包含：MRI 海马体体积（单位 mm³，范围 2000-6000）、脑脊液 Aβ42 浓度（pg/mL，范围 100-1500）、蒙特利尔认知评估（MoCA）量表评分（0-30 分）。这些特征量纲差异极大，若不进行特征缩放，基于欧氏距离的 SVM 分类器会不恰当地赋予体积和浓度过高的权重，导致认知评分等临床关键指标被淹没。首医研究采用 Z-score 标准化将所有特征映射至同一分布，再输入深度神经网络（如 3D-CNN 与全连接层）进行 AD 与轻度认知障碍（MCI）的鉴别诊断。数据表明，标准化后模型 AUC 提升约 12%，且特征重要性排序中 MoCA 评分和 Aβ42 的贡献趋于合理，验证了特征缩放对临床多模态数据的必要性与有效性。