在自动编码器，病房层次聚类等之前标准化/标准化数据（二进制+数字）？

Question

我有一个包含二进制数据（0,1）的数据集和具有不同单位的数值数据。如果我想应用一些机器学习技术来分类我的数据（可能是自动编码器或层次结构聚类），我应该标准化还是规范化数据？

谢谢！

Answer 1

取决于。

对于神经网络，您可能希望出于数值原因标准化连续变量。但这取决于您的平台。考虑Googles TPU：它们以1字节精度工作，因此您希望相关输入域以最佳方式使用此有限范围。

对于基于距离的方法（如聚类），预处理数据至关重要，但也很困难。标准化始终是正确的做法是错误的。但是应用一些规范化是相当普遍的。但是您需要领域专家才能找到最佳的规范化。