机器学习的特征归一化Normalization

电玩女神 2023-10-04 22:17 14阅读 0赞

#### 文章目录 ####

*  为什么需要做归一化？
 *  两种常用的归一化方法
 *  批归⼀化（Batch Normalization）
 *   *  局部响应归⼀化
     *  批归⼀化（Batch Normalization）
     *  批归一化的适用场景及优点

## 为什么需要做归一化？ ##

为了消除数据特征之间的量纲影响，就需要对特征进行归一化处理，使得不同指标之间具有可比性。对特征归一化可以将所有特征都统一到一个大致相同的数值区间内。

1.  为了后⾯数据处理的⽅便，归⼀化可以避免⼀些不必要的数值问题。
2.  为了程序运⾏时收敛加快。
3.  统一量纲。
4.  保证输出数据中数值⼩的不被吞⾷。
5.  避免神经元饱和。

![在这里插入图片描述][916187aa63dd4a25a3f84bc18a4c3398.png]

## 两种常用的归一化方法 ##

*  线性归⼀化（最大最小归一化，Min-Max Scaling）  
    ![在这里插入图片描述][072361e5810540bb92b50070bd214603.png]
 *  标准差标准化（零均值归一化，Z-Score Scaling）  
    ![在这里插入图片描述][5a567447bbc045629cf89e2e36ee7316.png]

经过处理的数据符合标准正态分布，即均值为 0，标准差为 1。

## 批归⼀化（Batch Normalization） ##

### 局部响应归⼀化 ###

局部响应归⼀化（Local Response Normalization ，LRN）是AlexNet中首次引入的归一化方法。

使用LRN的原因是为了鼓励**横向抑制**。

**横向抑制：这是神经生物学中的一个概念，是指神经元减少其邻居活动的能力。在深度神经网络中，这种横向抑制的目的是进行局部对比度增强，以便使局部最大像素值用作下一层的激励。**

### 批归⼀化（Batch Normalization） ###

以前在神经⽹络训练中，只是对输⼊层数据进⾏归⼀化处理，却没有在中间层进⾏归⼀化处理。要知道，虽然我们对输⼊数据进⾏了归⼀化处理，但是输⼊数据运算之后，其数据分布很可能被改变，⽽随着深度⽹络的多层运算之后，数据分布的变化将越来越⼤。

这种**在神经⽹络中间层也进行归⼀化处理，使训练效果更好的方法**，就是批归⼀化。

**批归一化的算法流程：**

输⼊：上⼀层输出结果X = \{x1, x2, …, xm\}

1.  计算上⼀层输出数据的均值:  
    ![在这里插入图片描述][055f79948d604bd088eae4a1faa3f55c.png]
2.  计算上⼀层输出数据的标准差  
    ![在这里插入图片描述][c2128685d7d24f969d7f6c74b5e70cca.png]
3.  归一化  
    ![在这里插入图片描述][765ac8a6145a49099728f4053391746b.png]
4.  重构  
    ![在这里插入图片描述][fc4f25a101dc44548984872b47b90e5a.png]γ和β为可学习的参数。

### 批归一化的适用场景及优点 ###

在CNN中，批归一化应作⽤在⾮线性映射前。在神经⽹络训练时遇到收敛速度很慢，或梯度爆炸等⽆法训练的状况时可以尝试BN来解决。

当BatchSize比较大，数据分布比较接近，并在训练前对数据充分shuffle。  
批归一化不适⽤于动态的⽹络结构和RNN⽹络。

使用批归一化具有以下优点：

1.  减少了人为选择参数。
2.  减少了对学习率的要求。
3.  破坏原来的数据分布，⼀定程度上缓解过拟合。
4.  减少梯度消失，加快收敛速度，提⾼训练精度。

[916187aa63dd4a25a3f84bc18a4c3398.png]: https://img-blog.csdnimg.cn/916187aa63dd4a25a3f84bc18a4c3398.png
[072361e5810540bb92b50070bd214603.png]: https://img-blog.csdnimg.cn/072361e5810540bb92b50070bd214603.png
[5a567447bbc045629cf89e2e36ee7316.png]: https://img-blog.csdnimg.cn/5a567447bbc045629cf89e2e36ee7316.png
[055f79948d604bd088eae4a1faa3f55c.png]: https://img-blog.csdnimg.cn/055f79948d604bd088eae4a1faa3f55c.png
[c2128685d7d24f969d7f6c74b5e70cca.png]: https://img-blog.csdnimg.cn/c2128685d7d24f969d7f6c74b5e70cca.png
[765ac8a6145a49099728f4053391746b.png]: https://img-blog.csdnimg.cn/765ac8a6145a49099728f4053391746b.png
[fc4f25a101dc44548984872b47b90e5a.png]: https://img-blog.csdnimg.cn/fc4f25a101dc44548984872b47b90e5a.png