要注意每个特征的范围有什么不同。
使用不同的尺度和范围对特征归一化是好的实践。
尽管模型可能在【没有特征归一化的情况下收敛】,但是这种情况会使得模型训练更加复杂,并会使得生成的模型依赖输入所对应的单位选择。
tesnsorflow2 为何要进行数据规范化?
最新推荐文章于 2022-05-28 12:07:53 发布
本文强调了在机器学习中对特征进行归一化的必要性,解释了不同尺度和范围的特征如何影响模型训练的复杂性和模型对输入单位的依赖性。即使模型能在没有归一化的情况下收敛,但归一化能简化训练过程并提高模型性能。

436

被折叠的 条评论
为什么被折叠?



