开发者社区云服务技术课堂文章正文

标准化：Normalization vs. 归一化：Standardization

2020-10-03 766

版权

本文内容由阿里云实名注册用户自发贡献，版权归原作者所有，阿里云开发者社区不拥有其著作权，亦不承担相应法律责任。具体规则请查看《阿里云开发者社区用户服务协议》和《阿里云开发者社区知识产权保护指引》。如果您发现本社区中有涉嫌抄袭的内容，填写侵权投诉表单进行举报，一经查实，本社区将立刻删除涉嫌侵权内容。

简介： 关于标准化和归一化的概念，经常容易弄混淆，下面给出相关概念的公式。

一、归一化(2种形式)

1、Rescaling
图片.png

2、Mean normalization
图片.png

二、标准化

图片.png

参考链接

Feature scaling

taro_秋刀鱼

研发咨询顾问

1月前

数据采集机器学习/深度学习资源调度

归一化和标准化

研发咨询顾问

33 1 1

strongnine

机器学习/深度学习资源调度算法

特征工程：归一化与标准化

样本特征由于来源以及度量单位不同，它们的尺度（Scale），或者说是取值范围有可能差异很大。如果一个机器学习算法在缩放全部或者部分特征后不影响它的学习和预测，我们就称该算法具有尺度不变性（Scale Invariance）。神经网络从理论上应该具有尺度不变性，可以通过参数的调整来适应不同特征的尺度。

strongnine

111 0 0

心无旁骛～

数据采集机器学习/深度学习数据挖掘

机器学习数据预处理——归一化（Normalization）和标准化（standardlization）

昨天进行一场答辩，被评委老师问起来归一化的概念，一时间紧张没有想起来，后来复盘回忆，感觉还是自己的理解不够深刻，才导致关键时刻掉链子，没有想起。所以特此整理一下，以供加深印象。

心无旁骛～

587 0 0

心无旁骛～

机器学习/深度学习人工智能资源调度

深度学习入门基础CNN系列——批归一化（Batch Normalization）和丢弃法（dropout）

批归一化方法（Batch Normalization，BatchNorm）是由Ioffe和Szegedy于2015年提出的，已被广泛应用在深度学习中，其目的是对神经网络中间层的输出进行标准化处理，使得中间层的输出更加稳定。丢弃法（Dropout）是深度学习中一种常用的抑制过拟合的方法，其做法是在神经网络学习过程中，随机删除一部分神经元。训练时，随机选出一部分神经元，将其输出设置为0，这些神经元将不对外传递信号。

心无旁骛～

307 0 0