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) 和具有不同单位的数字数据的数据集。如果我想应用一些机器学习技术对我的数据进行分类（可能是自动编码器或层次聚类），我应该对数据进行标准化还是规范化？

谢谢！

Answer 1

视情况而定。

对于神经网络，您可能出于数值原因需要标准化连续变量。但这取决于您的平台。考虑 Google 的 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这个有限范围。

对于聚类等基于距离的方法，数据预处理至关重要，但也很困难。标准化总是正确的做法是错误的。但是应用一些标准化是相当普遍的。但是您需要领域专家来找到最佳规范化。