深度学习中常用数据预处理方法

1. 数据归一化处理，比较简单公式为 (x-min)/(max-min)，主要目的是将数据的范围缩小至0-1之间，因而对数据绝对值的大小不敏感
   2.数据标准化处理，也比较简单，公式为（x-avg)/sigma， 其中avg为数据的均值，sigma为数据的标准差，处理完成后数据变为均值为0， 标准差为1的数据。
   3.正则化处理，由于在参数优化过程中为了防止参数过拟合，获得更加稀疏性的解，因而引入损失函数，其中L1,与L2均为损失函数。L1正则化公式：
   min(sum(yi - wxi) + alphaabs(w));
   L2正则化为：min(sum(yi - wxi) + alphaabs(w*w))