即使我只有一个特征,我是否必须对 LSTM 分类的训练数据进行缩放/标准化?

数据挖掘 预处理 正常化 特征缩放
2022-02-25 02:01:17

我有一个时间序列数据如下:

# Time, Bitrate, Class
  0.2,  312,     1
  0.3,  319      1
  0.5,  227      0
  0.6,  229      0   
  0.7,  219      0    
  0.8,  341      1    
  1.0,  401      2      

我仅将“比特率”列用作特征,将“类”用作 LSTM 分类模型的标签。如果有多个特征,我当然需要扩展我的数据,以防止从一个特征到另一个特征。但是,就我而言,考虑到只有一个功能,我还需要缩放/规范化我的数据吗?谢谢!

1个回答

对特征进行规范化可确保它们具有合理的值,例如介于 -3 和 +3 之间。这可确保您不会在网络中遇到数字溢出或流量不足的问题。例如,只需查看 np.exp(312) 或 np.exp(-312) 的值。

其中,312 是您观察到的比特率值。

如果您的数据未标准化,某些激活函数(例如 sigmoid)可能会遇到数值精度问题。因此,在这种情况下,您的数据是否仅包含 1 个特征并不重要。