TensorFlow2.x——数据归一化（sklearn.preprocessing.StandardScaler）

数据归一化（sklearn.preprocessing.StandardScaler）

数据归一化能够很好的加速模型的训练，并提高模型的准确度，本篇主要介绍sklearn中的数据预处理方法，当然TensorFlow中也有预处理方法，tf.nn.l2_normalize。

本文介绍的skleran中数据预处理的公式为： $\overline{x}=\frac{x-\mu }{\delta }$ ，其中$\mu$为整个数据的平均数，$\delta$为方差。

代码示例：

from sklearn.preprocessing import StandardScaler

scaler = StandardScaler()
#对数据进行归一化处理

#由于transform处理处理数据为二维数组，所以要将数据转化一下
#x_train: [none, 28, 28] -> [none, 784]
#对于使用fit_transform 和transform 请参考我的python中的博客(https://blog.csdn.net/qq_40913465/article/details/104274256)
x_train_scaled = scaler.fit_transform(x_train.astype(np.float32).reshape(-1,1)).reshape(-1,28,28)  
x_valid_scaled = scaler.transform(x_valid.astype(np.float32).reshape(-1,1)).reshape(-1,28,28)  
x_test_scaled = scaler.transform(x_test.astype(np.float32).reshape(-1,1)).reshape(-1,28,28)  

#注意在归一化数据后，之后使用的数据要使用新的归一化数据

以上就是sklearn中数据预处理的方法，注意在归一化数据后，之后使用的数据要使用新的归一化数据。