本文介绍了深度学习中数据预处理的重要步骤——归一化，包括MinMax归一化、标准归一化和均值归一化，并提供了相应的源代码解析，帮助Java开发者更好地理解和应用这些技术。通过归一化，可以提升模型精度并加速算法收敛。
在深度学习训练中，通过会对数据进行归一化处理。通常讲，归一化有两点好处：
1、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。
2、加快学习算法的收敛速度。
MinMax归一化
将数据缩放到0和1之间，公式如下：
Y = X i − m i n ( X i ) m a x ( X i ) − m i n ( x i ) Y = \frac{X_i - min(X_i)}{max(X_i) - min(x_i)} Y=max(Xi)−min(xi)Xi−min(Xi)
标准归一化
将数据所防伪均值是0，方差为1的状态，公式如下：
Y = X i − μ δ Y = \frac{X_i - \mu}{\delta} Y=
最低0.47元/天 解锁文章
扫一扫
527
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
