在再培训过程中，我应该重新标准化培训数据吗？
在再培训过程中，我应该重新标准化培训数据吗？
提问于 2021-06-09 06:33:39
我正在运行一个简单的角角深度学习，我将培训一次，然后再培训每个月，因为新的数据变得可用。
我的数据是由货币值组成的，所以我将首先使用StandardScaler()对我的数据进行标准化，但是一旦新的数据出现，我想重新训练，我可以使用相同的StandardScaler对象吗？因为让我们假设新数据的最大数据点高于我当前的最大值，因此会改变整个数据集的标准化。
我应该重新标准化，还是可以对新数据使用同样的标准化？
回答 1
Stack Overflow用户
回答已采纳
发布于 2021-06-09 14:39:52
根据我从您的问题中了解到的，当您使用新的培训数据时，输入数据将与用于计算标准化参数的数据不同。
在这种情况下，新的数据输入可能超出了标准化数据的值范围。
但是为了有一个好的预测模型，训练数据和未来的数据需要有密切的分布，否则，您的模型将不能像预期的那样工作。
所以我认为最好是重新标准化你的训练数据。并确保对独立于验证集的培训进行标准化，即使用与验证集一起的培训集中的平均值，而不是从验证集中使用平均值：
scaled_train = (train - train_mean) / train_std_deviation
scaled_test = (test - train_mean) / train_std_deviation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/67898749
复制相关文章
相似问题
腾讯云开发者
