3.7 批量归一化
Z值归一化(Z-scorenormalization)
我们就是把这边的某一个数值x,减掉这一个维度算出来的平均值,再除掉这个维度,算出来的标准差,得到新的数值˜ x。得到新的数值以后,再把新的数值把它塞回去。
做完归一化以后,这个维度上面的数值就会平均是0,其方差是1,所以这一排数值的分布就都会在0上下;对每一个维度都做一样的归一化,所有特征不同维度的数值都在0上下,可能就可以制造一个比较好的误差表面。可以让在做梯度下降的时候,损失收敛更快一点,训练更顺利一点。
3.7.1考虑深度学习