输入数据预处理（去均值，标准化，归一化）

和神经网络/机器学习一样， 需要对输入的数据需要进行预处理操作， 需要进行预处理的主要原因是：

1 输入数据单位不一样， 可能会导致神经网络收敛速度慢， 训练时间长

2 数据范围大的输入在模式分类中的作用可能偏大， 而数据范围小的作用就有可能偏小

3 由于神经网络中存在的激活函数是有值域限制的， 因此需要将网络训练的目标数据映射到激活函数的值域

4 S形激活函数在(-4,4)区间以外区域很平缓， 区分度太小。例如S形函数f(X)， f(100) 与f(5)只相差0.0067

1 去均值

去均值（Mean Subtraction），也常被称为均值归一化（Mean Normalization），是数据预处理中的一种方法。在此方法中，从每个特征中减去该特征的平均值，使得处理后的数据均值为零。

2 标准化

标准化（Standardization）是数据预处理的一种方法，其目的是将不同尺度和分布的特征转换为均值为0，标准差为1的特征。