归一化和标准化是否改变数据分布的问题

归一化和标准化关于是否改变原始数据分布的探讨


最近在做关于ECG的降噪实验,在数据处理过程中需要进行归一化的操作,因此对常见的标准化和归一化做一下总结。

归一化

归一化的目的

  1. 将数值变为(0,1)之间的小数
  2. 把有量纲的表达式变为无量纲的表达式

归一化的优点

  1. 提升模型的收敛速度
  2. 提升模型的精度
  3. 深度学习中数据归一化可以防止模型梯度爆炸

常见的数据归一化方法

  1. min-max归一化: x ′ = x − m i n ( x ) m a x ( x ) − m i n ( x ) x^{'}=\frac{x-min(x)}{max(x)-min(x)} x=max(x)min(x)xmin(x)

这种是对数据的数值范围进行特定缩放,但不改变其数据分布的一种线性特征变换

#min-max数据归一化
import numpy as np
import matplotlib.pyplot as plt
import numpy as np
import scipy.io as sio
import os
import seaborn as sns
#Seaborn是一种基于matplotlib的图形可视化python libraty。它提供了一种高度交互式界面,便于用户能够做出各种有吸引力的统计图表。
import matplotlib
font_set=
评论 16
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值