如果我将整个数据集一起标准化可以吗？

Question

我正在尝试训练一个使用 LSTM 的 RNN 网络。

在数据预处理部分，当我规范化（特征缩放）数据集时，我正在对整个数据库进行规范化。但是，我非常怀疑某些输入列是否占主导地位，这会影响网络训练部分。下面是一个数据集示例，以便更好地理解：

从上图中可以看出，不同颜色的列比其他列更大或更小。

所以，我的问题是；是否可以将整个数据集一起标准化，还是应该单独标准化每一列？

Answer 1

特征缩放是在每列的基础上完成的。这些操作一次应用于一个特征，因为目标是将不同的特征置于相似的范围内，因此特征的单元不会影响学习 (source)。你是对的，特征的大小会影响训练，因此缩放被认为是最佳实践，尤其是在训练神经网络时。

这通常通过以下两种方式之一完成：

• 重新缩放：使特征的值落入一个范围内，例如从 0 到 1。Min-Max 重新缩放通过以下方式完成此操作：

• 标准化：减去平均值并除以标准差。新特征的平均值为 0，标准差为 1。

可以使用 Scikit-Learn 的 MinMaxScaler 在 Python 中进行重新缩放。可以使用 Scikit-Learn 的 StandardScaler 在 Python 中进行标准化。

这是一篇关于特征缩放基础的好文章：http://sebastianraschka.com/Articles/2014_about_feature_scaling.html。