neural-network - 如果我一起标准化整个数据集可以吗？

Question

我正在尝试训练一个使用 LSTM 的 RNN 网络。

在数据预处理部分，当我规范化（特征缩放）数据集时，我正在对整个数据库进行规范化。但是，我非常怀疑某些输入列是否对其他列占主导地位，它会影响网络训练部分。以下是数据集的示例，以便更好地理解：

从上图中可以看出，不同颜色的列比其他列更大或更小。

所以，我的问题是；如果我将整个数据集归一化在一起可以吗，还是应该单独对每一列进行归一化？

标签： neural-networkdeep-learninglstmdata-sciencerecurrent-neural-network

Answer 1

特征缩放是在每列的基础上完成的。这些操作一次应用于一个特征，因为目标是将不同的特征置于相似的范围内，因此特征的单元不会影响学习（来源）。你是对的，特征的大小会影响训练，因此缩放被认为是最佳实践，尤其是在训练神经网络时。

通常这是通过以下两种方式之一完成的：

• 重新缩放：使特征的值落入一个范围内，例如从 0 到 1。最小最大重新缩放通过以下方式完成此操作：

• 标准化：减去平均值并除以标准差。新特征的平均值为 0，标准差为 1。

可以使用 Scikit-Learn 的 Python 在 Python 中进行重新缩放MinMaxScaler。标准化可以在 Python 中使用 Scikit-Learn 的StandardScaler.

这是一篇关于特征缩放基础的好文章：http: //sebastianraschka.com/Articles/2014_about_feature_scaling.html。