Data-Mining-HW2

可解释回归分析

1. 数据分析和预处理

1.2 Red Wine Quality

1. 数据类型

   11个属性均为数值类型，包括浮点型和整型。

2. 归一化

   每个属性的数值范围差异较⼤。例如， volatile acidity等属性在(0,1)间，⽽ total sulfur dioxide数值可能>100。这会使linear regression、logistic regression等⽅法在随机初始 化的情况下⽆法很好地学到与绝对值较⼩的属性的相关性，且造成参数矩阵的病态性、学习不稳定。因此，我们采⽤Z-score的⽅式对数值进⾏归⼀化。

3. 数据缺失

   不存在数据缺失的情况。

4. 数据冗余

   11个属性间的相关系数热力图统计如下：

   不存在相关系数绝对值⼤于0.75的属性，可以认为数据冗余程度低。