深度学习数据预处理

深度学习数据预处理

1.常见数据预处理方式：（红色的线指出各维度的数值范围）

data_process1

均值减法：对数据中每个独立特征减去均值，集合上理解为：在每个维度上，都将数据云的中心迁移到原点

归一化：将所有维度都做归一化：

第一种做法：先对数据做零中心化处理，然后每个维度都除以标准差
第二种做法：每个维度都做归一化，使得每个维度最大和最小值都是 1 和 -1
PCA 降维：取得数据的主成分，可以对数据去除相关性

白化whitening：先对数据进行旋转（旋转的矩阵就是 SVD 分解中的 U矩阵），然后对每个维度除以特征值（为防止分母为0，通常加一个很小的值作为平滑系数）来对数值范围进行归一化

如果数据服从多变量的高斯分布，则白化之后，数据的分布是一个均值为零，且协方差相等的矩阵
该变换的缺点是：可能会放大数据中的噪声。因为它将所有维度都拉伸到相同的维度，这包括了那些大多数是噪声的维度。这个问题可以采用更强的平滑系数来解决
data_process2

实际在神经网络中，并不会采用 PCA 和白化。

2.任何预处理策略都只能在训练集的数据上进行，然后再应用到验证集或测试集上。

如数据均值：首先分成训练集、验证集、测试集，从训练集中求数据的均值。然后训练集、验证集、测试集中的数据减去这个均值。 而不是减去测试集均值或者验证集均值

3.激活函数：当前推荐使用 ReLU 激活函数

4.Batch Normalization：让数据在通过激活函数之前，添加一个 batch normalization