python归一化和反归一化 如何进行数据的归一化处理？

如何进行数据的归一化处理？

首先，测试集的标准化平均值和标准差应该来自训练集。如果您熟悉Python的sklearn，您应该知道应该首先对训练集数据进行拟合，得到包括均值和标准差的定标器，然后分别变换训练集和验证集。这个问题其实很好。很多人不注意。最容易犯的错误是在划分训练测试集之前进行规范化。

第二个问题是不同归一化方法的选择，如均值方差归一化、最大最小归一化等。归一化的目的是调整每个场之间的数量级差异。均值-方差归一化可能更适合不知道数据边界在哪里的情况。最大和最小规格化相当于积分到01，这意味着您知道该字段的边界在哪里。所以我个人更喜欢均值方差的标准化。我只是凭经验说的，不一定是对的。

python归一化和反归一化 random函数用法python 数据的归一化处理

版权声明：本文内容由互联网用户自发贡献，本站不承担相关法律责任.如有侵权/违法内容,本站将立刻删除。