Python 强化学习：国家应该标准化吗？

这是我的状态数据帧：

>> state_df.head()
          A           B          C
 0    -1.469587   -1.186974   -1.136587
 1    -1.310300   -1.032667   -1.389515
 2    -0.041564   -0.112118   -0.742551
 3     0.698519    0.453808   -0.194451
 4     0.653907    0.425225   -0.157008

每一列都是从我的数据集中获取的索引（在金融领域）。我将合并每一行，并将其设置为

状态

，如下所示：

for i in len(state_df):
    state_list = np.array(indicators_df.ix[i].tolist())
    x = np.reshape(state, [-1, input_size])
    session.run(self._Qpred, feed_dict={self._X: x})
    .
    .
    .
    .

这些

状态

将成为

DQN（深度Q网络）

的输入

但每一列都不服从正态分布。他们的

mean（）

和

std（）

如下：

state_df['A'].mean() => 1.0023571097367265
state_df['A'].std() => 0.039181434958815514
state_df['B'].mean() => 0.08110446799218411
state_df['B'].std() => 0.643645664287425
state_df['C'].mean() => 0.006230702891531177
state_df['C'].std() => 0.06876011348732677

我想知道我必须标准化每一列（（x-mu）/sigma）

---

我必须吗？

不，没有必要

---

例如，DQN可以用于从视频游戏中获取的原始图像（好的，可能为了合理的大小，您会对其进行灰度缩放），其中每个特定像素不一定遵循标准正态分布。不管怎样，它都能工作。

那么，我是否需要担心特性偏差？例如，

x1

feature range 1~100000，feature

x2

range 1~10，这可能会发生特征偏差？