归一化对mlp产生不良结果

Question

我尝试使用Sklearn和MinMaxScaler方法（0.1,1）规范化我的数据 但结果非常失望。 如果没有MinMax标准化，我的问题准确度达到78％，并且在最大最大标准化时，它降至71％。 你知道这可能是什么问题吗？

我的数据形状为：[n_samples] [1D_vector_of_values]

以下是我使用sklearn进行规范化的方法：

scaler = MinMaxScaler(feature_range=(0.1,10))
X = np.array(X)
X_test = np.array(X_test)
X = scaler.fit_transform(X)
X_test = scaler.fit_transform(X_test)

感谢您的帮助！

Answer 1

并非总是如此，归一化会给你带来好的结果，因为你通过应用这种辨别方法丢失了一些数据。这一切都取决于数据的性质。

我尝试实现标准化而不是范围标准化，但要小心使用相同的标准化批次进行测试和验证。您没有向我们提供有关您的数据的更多信息，但我仍然要求您在规范化/标准化后实施功能选择。