如何进行数据的归一化处理？第一个问题，测试集的归一化的均值和标准偏差应该来源于训练集。如果你熟悉Python的sklearn的话，你就应该知道应该先对训练集数据fit，得到包含均值和标准偏差的scaler，然后再分别对训练集和验证集transform
如何进行数据的归一化处理？
第一个问题，测试集的归一化的均值和标准偏差应该来源于训练集。如果你熟悉Python的sklearn的话，你就应该知道应该先对训练集数据fit，得到包含均值和标准偏差的scaler，然后再分别对训练集和验证集transform。这个问题其实很好，很多人不注意，最容易犯的错误就是先归一化，再划分训练测试集。
第二个问题，是均值方(拼音：fāng)差归一化，最大最小归一化等不同归一化的选择问题。归一化的目的无非调整极速赛车/北京赛车各个字段之间的数量级差异。均值方差归一化可能更适合你不知道数据的边界在哪里，最大最小归一化相当于整合到01之间，这相当于你是知道这个字段的边界在哪里。所以我个人更倾向于均值方差归一化
这个问题我澳门新葡京只是经验之（练：zhī）谈，不一定对。
如何进行数据的归一化处理？
第一个问题，测试集的归一化的均值和标准偏差应该来源于训练集。如果你熟悉Python的sklearn的话，你就应该知道应该先对训练集数据fit，得到包含均值和标准偏差的scaler，然后再分别对训练集和验证集transform。这个问题其实很好，很多人不注意，最容易犯的错误就是先归一化，再划分训练测试集。第二个问题，是均值方差归一化，最大最小归一化等不同归一化的选择问题。归一化的目的无非调整各个字段之间的数量世界杯级差异。均值方差归一化可能更适合你不知(拼音：zhī)道数据的边界在哪里，最大最小归一化相当于整合到01之间，这相当于你是知道这个字段的边界在哪里。所以我个人更倾向于均值方差归一化
这个问题我只是经验之谈，不一定对。
本文链接：http://21taiyang.com/Open-SourceComputers/5133081.html
归一化处理生物数据怎么 如何进行数据的归（繁体：歸）一化处理？转载请注明出处来源