标签： pandas keras dataset normalization
我正在使用Keras（TF2.0beta）模型来处理自定义数据集。训练数据集具有约400条记录，8列/功能，1个标签。我的目标是训练和使用单独的验证数据集预测标签。重要功能是float32，但范围有很大不同。
许多在线示例将每个功能标准化为0-1。一些示例使用（X-Xmean）/ Xstd统计标准化每个功能。 （FWIW，熊猫是白魔法！）
我思考我想标准化功能。跨功能进行规范化只会使我看来是个学习错误。
那我什么时候应该统计归一化，什么时候应该统计特征归一化？