我模拟的幂律数据为： bins = np.arrange（0.1,10.0,0.1）
然后使用公式y = c * x ^ p计算y，其中c和p是任意常数。 （以我的情况为2.0）
y = c*x^p
#generate random noise
sigma = np.random.normal(0.0, 5.0), 1)
y_noise = y + sigma
final_data.append(x,y_noise)
此数据分为训练，测试和验证集，现在被发送到多层感知器（MLP）回归模型以训练参数c和p。
然后在新的数据集上测试火车模型，该数据集如下所示：
data = np.arrange(0.1,20.0,0.1)
我想使用z分数规范化输入。我是否可以在训练，测试集中对x和y进行归一化？或者只是x值（即（0.1到10.0）值），然后将这些值插入幂律公式中以获得Y。并将其用作输入？ 还是使用zscore公式对X和Y进行归一化，然后将其用于训练多层感知器？
我还需要使用zscore将新数据值归一化（从0.1到20.0？
我很困惑在这里什么不能标准化。还需要对最终的MLP输出进行非规范化吗？使用新数据的均值和标准差