Neural network 如果一个神经网络已经被缩放，你是否需要对它的数据进行规范化？

我目前正在尝试预处理我的训练数据，为多层感知器做好准备。我下载的数据包括20000个实例和16个属性，它们都是字母识别中像素的坐标值。在发布之前，数据本身已经从原始形式缩放为0-15之间的值

但是，既然它已经被缩放了，是否仍然需要对其执行规范化？我试着四处阅读，看看前面的例子，但发现了相互矛盾的观点。在一些论文中，它指出，缩放是一种规格化形式，正如其他人所说，规格化将使该值在0-1范围内

由于我使用WEKA，我在预处理阶段尝试了他们的规格化过滤器，它导致精度降低了2%左右，这让我认为这可能是不必要的。但是，我再次读到，它可能只会在以后的训练中产生积极的影响

所以我的问题是：

---

缩放到0-15这样的范围和将其规格化之间有什么区别？我是否应该在已经完成的缩放的基础上对其进行规格化？

在您的情况下，您不需要这样做。对数据进行规范化，使具有不同比例的属性不会决定距离运算的结果，最终决定聚类或分类结果

例如，你有两个属性：体重和收入。重量最多为10公斤和200公斤。而收入可以是10000美元和20000000美元。但大多数人的收入将分别为10000和120000，而高于此值的将是异常值。若在使用多层感知器之前并没有对数据进行标准化，那个么神经网络的结果将由这些异常值决定

在您的情况下，由于您的缩放，这种情况已经得到缓解，因此您不需要规范化