Math 在线机器学习算法中，将样本标准化为0均值和1方差
我目前正在研究一种在线机器学习算法，我需要确保输入向量中的每个特征在样本中的平均值为0，方差为1。 我认为在事先准备好所有样本的情况下，如何做到这一点很简单，但在线学习并非如此。 有人知道如何规范化一个新的给定向量，从而使之前样本（+新样本）中的每个特征具有0均值和1方差吗？ 有可能吗Math 在线机器学习算法中，将样本标准化为0均值和1方差,math,machine-learning,reinforcement-learning,supervised-learning,unsupervised-learning,Math,Machine Learning,Reinforcement Learning,Supervised Learning,Unsupervised Learning,我目前正在研究一种在线机器学习算法，我需要确保输入向量中的每个特征在样本中的平均值为0，方差为1。 我认为在事先准备好所有样本的情况下，如何做到这一点很简单，但在线学习并非如此。 有人知道如何规范化一个新的给定向量，从而使之前样本（+新样本）中的每个特征具有0均值和1方差吗？ 有可能吗 感谢引导前几百个样本，估计平均值和方差，将高斯归一化为平均值0和方差1，并将任何未来向量归一化为该值。没有ML算法是非常严格的标准化为0,1，这应该足够了 对于一个从第一个缺陷开始学习的严格的在线问题，我不知道如
感谢引导前几百个样本，估计平均值和方差，将高斯归一化为平均值0和方差1，并将任何未来向量归一化为该值。没有ML算法是非常严格的标准化为0,1，这应该足够了 对于一个从第一个缺陷开始学习的严格的在线问题，我不知道如何去做，除非你们对变量的范围有一些想法，比如灰度图像中像素的最大值等。每收集一个x缺陷，重新规范化和重新训练将证明成本太高