标准化和归一化的理解

活动地址:CSDN21天学习挑战赛

在深度学习训练数据中通常会对数据进行标准化或归一化的处理,使数据更好的训练出准确的模型。

1、 标准化

数据的标准化(normalization)将数据按比例缩放,使之落入一个小的特定区间;缩放与每个点都有关。

其中最典型的数据标准化处理就是数据的归一化,即将数据统一映射到[0,1]区间上。

最常见的标准化方法就是Z(z-score)标准化,也叫标准差标准化,这种方法给予原始数据的均值(mean)和标准差(standard deviation)进行数据的标准化。经过处理的数据变为均值为0,标准差为1的分布。

转换函数为:
在这里插入图片描述

其中μ为所有样本数据的均值,σ为所有样本数据的标准差。

2、归一化

归一化把数变为(0,1)之间的小数;缩放仅仅跟最大、最小值的差别有关。

  • ​归一化就是标准化的特例,即将数据统一映射到[0,1]区间上。
  • 一般来说用的是min-max归一化,缩放到0-1之间,即:
    在这里插入图片描述对于图片来说,由于max是255,min是0,也就是直接除以255就可以完成归一化。

3、标准化和归一化的作用

归一化与标准化是特征缩放的两种形式,其作用是:

  • 使不同量纲的特征处于同一数值量级,减少方差大的特征的影响,使模型更准确。
  • 加快学习算法的收敛速度。

4、对比

在这里插入图片描述

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
植物产能可以通过标准化归一方法进行处理。标准化是减少数据的绝对数值差异,将它们统一到近似的范围内,重点关注其变和趋势。一种常用的标准化方法是归一,它将数据转为在某个范围内的相对值,以消除绝对数值的差异。归一的主要方法有初值和均值。 初值将数据转为在0到1之间的相对值。这种方法将每个数据减去最小值,然后除以数据的范围(即最大值减去最小值)。这样可以确保所有数据都在相同的范围内,并且相对值表示每个数据在整个数据集中的相对位置。 均值是将数据转为以0为中心的相对值。这种方法将每个数据减去数据的平均值,然后除以数据的标准差。均值可以使数据的平均值为0,标准差为1,从而减少数据间的差异性。 通过标准化归一方法,我们可以将植物产能的数据转为相对值,以便更好地比较和分析不同条件下的产量变。这样可以帮助我们更好地理解天气条件、天气预报的准确性、土壤条件和管理实践对作物产量变的解释程度。<span class="em">1</span><span class="em">2</span><span class="em">3</span> #### 引用[.reference_title] - *1* *2* [阅读论文——A cnn-rnn framework for crop yield prediction](https://blog.csdn.net/DJDLJRCJ/article/details/125688554)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_1"}}] [.reference_item style="max-width: 50%"] - *3* [指标赋权与评价类方法总结](https://blog.csdn.net/AAGHJJSJBJSHJ/article/details/119790443)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_1"}}] [.reference_item style="max-width: 50%"] [ .reference_list ]

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值