【发布时间】：2019-11-03 13:44:06
【问题描述】：
我正在使用前馈机器学习算法构建一个预测模型，并且我阅读了很多关于预处理训练数据（转换数据）的信息，将其范围在 0 到 1 之间以改进学习。 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？
【问题讨论】：
标签： machine-learning neural-network dataset conv-neural-network feed-forward
【发布时间】：2019-11-03 13:44:06
【问题描述】：
您应该只预处理训练数据，如果需要，还应该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的数据值（同质性）。此外，保持训练和测试数据的方差相同
TL;DR：只需标准化训练样本和测试数据而不是标签
【讨论】：
-
为什么我们不应该规范化标签？例如，在我的例子中，标签是速度，它的值可能大于 1
-
为什么我们不应该规范化标签？例如，在我的例子中，标签是速度，它的值可能大于 1
-
您可以对它们进行分组但将它们标准化？它们只会用于最终分类，对吗？