在机器学习的前馈模型中转换数据
Transforming data in Feed-forward model in machine learning
我正在使用前馈机器学习算法构建预测模型，并且我阅读了很多有关通过将训练数据调整到 0 和 1 之间以改进学习来预处理训练数据（转换数据）的内容。
我的问题是：我应该同时转换数据的训练样本（输入）和标签（输出）还是只转换数据样本？
您应该只预处理训练数据，如果需要，还可以预处理测试数据或现实生活中的数据，这些数据将用于从模型中生成推理。
您只是通过在 0 和 1 之间转换数据来规范化数据。这样做是为了获得相同比例（同质性）的数据值。此外，保持训练和测试数据的方差相同
TL;DR: 只标准化训练样本和测试数据而不是标签
我正在使用前馈机器学习算法构建预测模型，并且我阅读了很多有关通过将训练数据调整到 0 和 1 之间以改进学习来预处理训练数据（转换数据）的内容。 我的问题是：我应该同时转换数据的训练样本（输入）和标签（输出）还是只转换数据样本？
您应该只预处理训练数据，如果需要，还可以预处理测试数据或现实生活中的数据，这些数据将用于从模型中生成推理。 您只是通过在 0 和 1 之间转换数据来规范化数据。这样做是为了获得相同比例（同质性）的数据值。此外，保持训练和测试数据的方差相同
TL;DR: 只标准化训练样本和测试数据而不是标签