在在线机器学习算法中将样本归一化为0均值和1个方差

Question

我目前正致力于在线机器学习算法，我需要确保输入向量中的每个要素在样本中具有0均值和1个方差。 如果事先得到所有样本，我认为如何做到这一点很简单，但在线学习并不是这样。 有没有人知道如何以这种方式标准化新的给定矢量，以便前面的样本（+新的）中的每个特征具有0均值和1个方差？ 它甚至可能吗？

由于

Answer 1

引导前几百个样本，估计均值和方差，并进行高斯归一化以表示0和方差1，并将任何未来向量归一化到此。没有ML Algo对归一化到0,1非常严格，这应该足够了。

对于严格的在线问题，你从第一个缺陷开始学习，我不知道该怎么做，除非你对变量范围有一些想法，比如灰度图像中像素的最大值等。重整和在收集到每个x缺陷之后进行重新培训将证明成本过高。