目录
一、数据预处理
在训练神经网络前一般需要对数据进行预处理,一种重要的预处理手段就是归一化处理。下面简单介绍一下归一化处理的原理和方法。
(1)什么是归一化?
数据归一化就是把数据同等降低维度,比如说一组数据是[99,98,97,100],那么为了更好的效果,我们可以把这组数据归一化处理得到[0.99,0.98,0.97,1].
(2)为什么要归一化处理?
a.输入数据的单位不一样,归一化处理后得到一个统一的单位
b.有些数据的范围可能会特别大,导致的结果是神经网络收敛慢,从而导致训练时间变长
(3)归一化算法
一种简单而快速的归一化算法是线性转换算法。线性转换算法常见的有两种形式:
1. Y=(X-min)/(max-min):其中min为x的最小值,max为x的最大值,输入向量为x,归一化后的输出向量为y。上式将数据归一化到[0,1]区间,当激活函数采用S形函数时(值域为(0,1))时这条式子适用。