标准化模型的培训数据是否真的是现实的？
标准化模型的培训数据是否真的是现实的？
提问于 2022-07-01 20:32:55
我试图用卷积神经网络来预测非流数据的活动(例如跑步、坐着、走路)。与不标准化或规范化培训和测试数据相比，标准化或规范化培训和测试数据可以显著提高网络的预测性能。到现在为止还好。
然而，我考虑让我的方法也适用于流数据。但是，从理论上讲，我不能想象标准化或规范化的流式数据工作。因为，为了标准化，您需要知道均值和标准偏差，这可能随着每一个新输入的数据点的变化而改变。对于规范化，您需要知道数据的最小值和最大值，这也可能随着每个新的数据点的到来而改变。由于是这样，标准化或标准化培训数据甚至没有意义，因为这将意味着为培训和未见数据创建不同的分布。
我不太确定我是不是漏掉了什么东西。但是，对于流数据是否有解决办法，以便可以应用标准化或规范化？
回答 1
Stack Overflow用户
回答已采纳
发布于 2022-07-01 20:37:57
所缺少的是，几乎所有您将要培训的模型都假定假设，您的培训分布在某种程度上是恒定的。如果您的数据不断变化，那么您必须继续更新/再培训您的模型，因此您必须重新修改您的规范化器这一事实并不重要。与任何ML模型的拟合相比，均值/std的估计具有极低的样本复杂度，所以如果你的模型不发散，你的归一化者也不会。
页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://stackoverflow.com/questions/72834374
复制相关文章
相似问题
腾讯云开发者
