人工智能免费课程,抖音课堂,机器学习,深度学习,今天我们讨论的话题是神经网络数据归一化,英文为Data Normalization For Neural Networks。一般来说,在训练神经网络之前,作为数据预处理步骤的一部分,我们以某种方式提前归一化数据集,为训练作准备。归一化技术的一般目标是转换原始数据,以便所有数据都可以在公共尺度上相互比较。通常情况下,我们将数据集归一化,使其遵循标准正态分布,即数据集的均值为0,标准差为1。为了使数据集归一化,我们从数据集中的每个数据点x中减去数据集的平均值μ,然后除以数据集的标准差σ,结果保存为z,这就是我们归一化的样本。我们对数据集中的每一个样本都进行归一化。这使得标准化数据集的均值为0,标准差为1。数据集中每个点的新归一化值被称为原始对应数据点的z-score。我们对数据集进行归一化,这样每个样本和样本中的每个特征都可以在某种共同的尺度上进行比较,这样也可以稳定训练过程。