特徵處理之使數據分佈逼近正態分佈

前言 在機器學習和深度學習中，咱們常常要對輸入的數據作歸一化或者在隱藏層使用Batch-Normlization（BN）操做，將數據範圍縮放到[0,1]或者[-1, 1]之間，主要做用：能夠加快神經網絡訓練速度，防止過擬合。然而不管作歸一化仍是BN處理，雖然將數據的均值變爲0，方差變爲1，可是數據的總體分佈並不必定服從標準的正態分佈（實際數據大部分時候都不會是），作歸一化和BN時，咱們求出來的均值

>>阅读原文<<