林教头
2024-06-11 06:12
2次浏览
最近在做一些圖像處理方面的工作，在讀別人的代碼的時候，發現大傢都會對數據進行一些前處理，讓數據在進入模型之時，不再是原始的像素值，而是轉化成[0,1]之間或者[-1, 1]之前的值，再輸入模型進行訓練。而在這個過程中有兩個方法會經常被大傢用到，即標準化(standardization) 和歸一化(normalization)。
雖然他們都很頻繁的被用在數據前處理上，經過查資料發現原來他們的邏輯和意義是非常不同的。先從公式的角度來說:
歸一化的公式: x =( x – min) /(max-min) , 可以看到是一個非常線性的變換，僅僅是把數據通過這種變換，等量的縮小到瞭[0,1]之間。
標準化的公式: x= (x – mean)/ standard , deviation , 可以看到標準化的公式是一個跟均值和標準差有關的變化。他通過減去均值，並且除以標準差的方式，試圖讓數據形成一個正態分佈，即均值為0，且標準差為1的正態分佈。