自动编码器是否推荐使用特征缩放？

Question

问题：

Staked 自动编码器正在应用于具有 25K 行和 18 列的数据集，所有浮点值。 SAE 用于编码和解码的特征提取。

当我在没有特征缩放的情况下训练模型时，损失约为 50K，即使在 200 个 epoch 之后也是如此。但是，当应用缩放时，损失从第一个 epoch 开始约为 3。

我的问题：

1. 使用SAE进行特征提取时，是否建议应用特征缩放

2. 解码时会影响准确性吗？

Answer 1

1. 除了少数例外，您应该始终在机器学习中应用特征缩放，尤其是在 SAE 中使用梯度下降时。缩放您的特征将确保更平滑的成本函数，从而更快地收敛到全局（希望）最小值。

另外值得注意的是，在 1 个带有缩放的 epoch 之后，您的损失要小得多，这应该是用于计算损失的值小得多的结果。

1. 没有