機器學習中的歸一化方法（Deep learning Normalization Method）

機器學習、數據挖掘工作中，數據前期準備、數據預處理過程、特徵提取等幾個步驟幾乎要花費數據工程師一半的工作時間。同時，數據預處理的效果也直接影響了後續模型能否有效的工作。然而，目前的大部分學術研究主要集中在模型的構建、優化等方面，對數據預處理的理論研究甚少，可以說，很多數據預處理工作仍然是靠工程師的經驗進行的。 在這裏主要討論兩種歸一化方法： 1、線性函數歸一化(Min-Max scaling) 線

>>阅读原文<<