多输入线性回归适用于一个数据集，但不适用于另一个数据集

Question

我试图使用Pytorch（并使用具有一个隐藏层的神经网络）运行逻辑回归算法，但我偶然发现了一个问题。我正在为两个不同的输入数据运行相同的算法。我的输入是二维的。我创建的第一组数据是我自己创建的，而第二组数据来自我从csv文件中获得的真实数据，先转换为列表，然后转换为pytorch张量。

对于第一个输入数据，我在逻辑回归代码中插入的张量为：

 First tensor has rank
 torch.Size([1000, 2]) 
 
and it's given by:
T1= tensor([[ 0.6258,  0.9683],
        [-0.0833,  0.5691],
        [-0.4657, -0.8722],
        ...,
        [ 0.5868, -1.0565],
        [ 0.1611, -0.1716],
        [-0.1515, -0.8408]])

第二组数据的张量为：

Second tensor has rank
 torch.Size([1064, 2]) 
 
and it's given by:
T2= tensor([[918.0600,  74.8220],
        [917.3477,  71.4038],
        [923.0400,  60.6380],
        ...,
        [916.6000,  71.0960],
        [912.6000,  58.4060],
        [921.5300,  77.7020]])

现在，对于第一组数据，我得到以下结果：

因此，正如您所看到的，该算法在reb /​​ blue决策区域中做得相当不错，因为大多数红色点最终都在红色区域中（与蓝色区域相同）。 现在，对于第二组数据，我得到以下信息：

如您所见，它将整个区域绘制为红色。我尝试了一下隐藏层中神经元的数量，学习率，历元数和其他一些东西，但是似乎没有任何效果。然后，我认为这可能与x轴数据的值比y轴数据大得多有关，因此我通过将它们除以均值来对其进行归一化，但这并不能解决问题。

算法是相同的，但是它不适用于这组数据。我想知道，比我更专业的人是否可以对这里可能发生的问题有预感。

Answer 1

当您不对数据进行标准化时，可以很容易地愚弄模型。

您的火车组由1000个示例组成，从外观上看，大多数值都在[-1, 1]范围内。

但是，当您测试模型时，您将获得更高的数字。

解决方案是规范化。标准化输入后，您的模型可以自由地学习数据的真实分布函数，而不必“记忆”数字。

您应该对训练集和测试集进行归一化。这样您的值将在0到1之间，并且您的网络将有更好的机会获得所需的相关性。

import torch
import torch.nn.functional as f

train = torch.rand((4, 2))*100


tensor([[36.9267,  7.3306],
        [63.5794, 42.9968],
        [61.3316, 67.6096],
        [88.4657, 11.7254]])

f.normalize(train, p=2, dim=1)

tensor([[0.9809, 0.1947],
        [0.8284, 0.5602],
        [0.6719, 0.7407],
        [0.9913, 0.1314]])