社区
李强的课程社区_NO_1
让机器学会打游戏之陨石坠落
帖子详情
数据标准化上-零均值化
maerdym
2023-01-13 00:27:33
课时名称
课时知识点
数据标准化上-零均值化
...全文
52
回复
打赏
收藏
数据标准化上-零均值化
课时名称课时知识点数据标准化上-零均值化
复制链接
扫一扫
分享
转发到动态
举报
写回复
配置赞助广告
用AI写文章
回复
切换为时间正序
请发表友善的回复…
发表回复
打赏红包
中心
化
（又叫
零
均值
化
）和
标准
化
（又叫归一
化
）
一、中心
化
（又叫
零
均值
化
）和
标准
化
（又叫归一
化
）概念及目的？1、在回归问题和一些机器学习算法中，以及训练神经网络的过程中，通常需要对原始
数据
进行中心
化
（Zero-centered或者Mean-subtraction（subtraction表示减去））处理和
标准
化
（Standardization或Normalization）处理
数据
标准
化
（归一
化
）处理是
数据
挖掘的一项基础工作，不同评价指标往往具有不...
归一
化
（Normalization）、
标准
化
（Standardization）和中心/
零
均值
化
（Zero-centered）
b、梯度：以输入-隐层-输出这样的三层BP为例，我们知道对于输入-隐层权值的梯度有2ew(1-a^2)*x的形式（e是误差，w是隐层到输出层的权重，a是隐层神经元的值，x是输入），若果输出层的数量级很大，会引起e的数量级很大，同理，w为了将隐层（数量级为1）映身到输出层，w也会很大，再加上x也很大的话，从梯度公式可以看出，三者相乘，梯度就非常大了。归一
化
是一种简
化
计算的方式，即将有量纲的表达式，经过变换，
化
为无量纲的表达式，成为纯量。中心
化
，也叫
零
均值
处理，就是将每个原始
数据
减去这些
数据
的
均值
。
深度学习中的
数据
预处理之中心
化
（
零
均值
化
）与
标准
化
（归一
化
）
在机器学习回归问题，以及训练神经网络过程中，通常需要对原始
数据
进行中心
化
（
零
均值
化
）与
标准
化
（归一
化
）预处理。 目的：通过中心
化
和
标准
化
处理，最终得到
均值
为0，标准差为1的服从标准正态分布的
数据
。 原理： 中心
化
（又叫
零
均值
化
）：是指变量减去它的
均值
。其实就是一个平移的过程，平移后所有
数据
的中心是（0，0）。
标准
化
（又叫归一
化
）：是指数值减去
均值
，再除以标准差。...
数据
预处理之归一
化
/
标准
化
/正则
化
/
零
均值
化
sklearn.preprocessing
数据
预处理 归一
化
/
标准
化
/正则
化
一、
标准
化
（Z-Score），或者去除
均值
和方差缩放二、将属性缩放到一个指定范围三、正则
化
（Normalization） 一、
标准
化
（Z-Score），或者去除
均值
和方差缩放 公式为：(X-mean)/std 计算时对每个属性/每列分别进行。 将
数据
按期属性（按列进行）减去其
均值
，并处以其方差。得到的结果是，对于每个属性/每列来说所有
数据
都聚集在0附近，方差为1。 实现时，有两种不同的方式： 使用sklearn.preproce
数据
的中心
化
（
零
均值
化
）和
标准
化
（归一
化
）
一、中心
化
（又叫
零
均值
化
）和
标准
化
（又叫归一
化
）概念及目的？ 1、在回归问题和一些机器学习算法中，以及训练神经网络的过程中，通常需要对原始
数据
进行中心
化
（Zero-centered或者Mean-subtraction（subtraction表示减去））处理和
标准
化
（Standardization或Normalization）处理
数据
标准
化
（归一
化
）处理是
数据
挖掘的一项基础工作，不同评价指标往...
李强的课程社区_NO_1
1
社区成员
8
社区内容
发帖
与我相关
我的任务
李强的课程社区_NO_1
复制链接
扫一扫
分享
社区管理员
加入社区
获取链接或二维码
近7日
近30日
至今
加载中
查看更多榜单
社区公告
暂无公告
试试用AI创作助手写篇文章吧
+ 用AI写文章
发帖
与我相关
我的任务
分享