人工智能与大数据技术导论
● TensorFlow图中的操作。
标准化(normalization)
将实际的值区间转换为标准的值区间（通常为-1到+1或0到1）的过程。例如，某个特征的自然区间是800到6000，通过减法和除法运算，你可以将这些值标准化为位于-1到+1的区间内。另可参阅缩放。
数值数据(numerical data)
用整数或实数表示的特征。例如，在房地产模型中，你可能会用数值数据表示房子大小(以平方英尺或平方米为单位）。如果用数值数据表示特征，则可以表明特征的值相互之间具有数学关系，并且可能与标签也有数学关系。例如，如果用数值数据表示房子大小，则可以表明面积为200平方米的房子是面积为100平方米的房子的两倍。此外，房子面积的平方米数可能与房价存在一定的数学关系。
并非所有整数数据都应表示成数值数据。例如，世界上某些地区的邮政编码是整数，但在模型中，不应将整数邮政编码表示成数值数据。这是因为邮政编码20000在效力上并不是邮政编码10000的两倍（或一半）。此外，虽然不同的邮政编码确实与不同的房地产价值有关，但我们也不能假设邮政编码为20000的房地产在价值上是邮政编码为10000的房地产的两倍。邮政编码应表示成分类数据。
数值特征有时称为连续特征。
Numpy
一个开源代码数学库，在Python中提供高效的数组操作。Pandas就建立在Numpy之上。
0
目标（objective）
算法尝试优化的指标。
离线推断（offline inference）
生成一组预测，存储这些预测，然后根据需求检索这些预测。与在线推断相对。
独热编码（one-hot encoding）
一种稀疏向量，其中：
一个元素设为 1。
●所有其他元素均设为0。
one-hot编码常用于表示拥有有限个可能值的字符串或标识符。例如，假设某个指定的植物学数据集记录了15000个不同的物种，其中每个物种都用独一无二的字符串标识符来表示，
462