神经网络的数据预处理

神经网络的数据预处理过程
常用的集中预处理操作——
1、去均值：最常见的数据处理操作。
对待训练的每一张图片的特征，都减去全部训练集图片的特征均值，这么做的直观意义就是，我们把输入数据各个维度的数据都中心化到0了。
2、归一化
归一化的目的是保证所有的维度上数据都在一个变化幅度上。通常有两种方法可以实现归一化。一个是在数据都去均值之后，每个维度上的数据都除以这个维度上数据的标准差(X /= np.std(X, axis = 0))。另外一种方式是除以数据绝对值最大值，以保证所有的数据归一化后都在-1到1之间。
3、PCA
去均值之后，可以计算数据的协方差矩阵，以知道数据各个维度之间的相关性。同时，协方差矩阵是对称的，因此可以进行奇异值分解，得到特征值和特征向量。可以根据top的协方差矩阵进行降维，这就是PCA降维的原理
4、白化whitening
把各个特征轴上的数据除以对应特征值，从而达到在每个特征轴上都归一化幅度的结果。

 

本文来自 机器学习了解一下 的CSDN 博客 ，全文地址请点击：https://blog.csdn.net/nan1104/article/details/79499288?utm_source=copy