神经网络中数据分裂前的归一化
神经网络中数据分裂前的归一化
提问于 2018-09-23 14:30:32
我试图运行一个MLP回归器在我的数据集与一个隐藏层。我正在对我的数据进行标准化，但我想弄清楚，如果我在培训和测试集中拆分数据集之后还是之前进行标准化，是否重要。我想知道，如果在数据分割之前进行标准化，我的预测值是否会有任何差异。
回答 2
Stack Overflow用户
回答已采纳
发布于 2018-09-23 14:42:45
是也不是。如果训练和测试集的均值和方差不同，标准化会导致不同的结果。
尽管如此，一个好的训练和测试集应该足够相似，以便数据点以相似的方式分布，而分离后的标准化应该给出同样的结果。
Stack Overflow用户
发布于 2018-09-23 14:40:18
在分手之前你绝对应该这么做。
假设有1, 2，3，4，5，6, 7，8, 9，10作为输入，它们被分成1，2，3，4，5，7，9，10和6,8进行测试。
很明显，最小-最大值范围，以及两个样本的均值和标准差是完全不同的，因此，通过采用标准化的“后分离”，你将在第一组和第二组中完全混淆这些值之间的关系。
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/52467127
复制相关文章
相似问题
腾讯云开发者
