深度学习: 数据预处理

Introduction

数据预处理 主要分为 数据归一化 和 PCA/ZCA白化 两种方法。

数据预处理 的 时序位置 在数据扩充之后，模型训练之前：

数据采集 –> 数据标记 –> 数据扩充 –> 数据预处理 –> 模型训练

数据归一化

包括 简单缩放 和 规范化 。

简单缩放

为了使得最终的数据向量落在 [0，1] 或 [ -1，1] 的区间内（根据数据情况而定）。

在处理自然图像时，我们获得的像素值在 [0，255] 区间中，常用的处理是将这些像素值 直接除以 255，使它们 缩放到 [0，1] 中。

规范化

1. 操作均值0中心化(zero-center)；
2. 规范化(normalize)。

示例图：

去均值 结果图：

PCA/ZCA白化

由于 白化 目前已不常用，这里就不展开探究了。

Code

数据归一化 的 具体实现代码 参见我的另一篇文章：图像预处理: 规范化 。

---

[1] 图像预处理: 规范化
[2] 数据预处理-UFLDL