มี 2 เหตุผลว่าทำไมเราต้องทำให้ปกติคุณสมบัติการป้อนข้อมูลก่อนส่งพวกเขาไปยังเครือข่ายประสาท:
เหตุผลที่ 1 : ถ้า a Feature
อยู่ในDataset
ขนาดใหญ่เมื่อเทียบกับคนอื่น ๆ คุณสมบัติการปรับขนาดใหญ่นี้มีอำนาจเหนือกว่าและจากการคาดการณ์ของ Neural Network จะไม่ถูกต้อง
ตัวอย่าง : ในกรณีของข้อมูลพนักงานถ้าเราพิจารณาอายุและเงินเดือนอายุจะเป็นตัวเลขสองหลักในขณะที่เงินเดือนสามารถเป็น 7 หรือ 8 หลัก (1 ล้านเป็นต้น) ในกรณีนั้นเงินเดือนจะควบคุมการทำนายของโครงข่ายประสาทเทียม แต่ถ้าเราทำให้คุณสมบัติเหล่านั้นเป็นปกติค่าของคุณสมบัติทั้งสองจะอยู่ในช่วงตั้งแต่ (0 ถึง 1)
เหตุผลที่ 2 : การขยายพันธุ์ด้านหน้าของโครงข่ายประสาทเทียมเกี่ยวข้องกับผลิตภัณฑ์ Dot ของตุ้มน้ำหนักพร้อมคุณสมบัติอินพุต ดังนั้นหากค่านั้นสูงมาก (สำหรับข้อมูลรูปภาพและไม่ใช่รูปภาพ) การคำนวณผลลัพธ์จะใช้เวลาในการคำนวณและหน่วยความจำเป็นจำนวนมาก เป็นกรณีเดียวกันในช่วงการขยายพันธุ์กลับ ดังนั้นรูปแบบการแปลงช้าถ้าอินพุตไม่ได้ปรับปกติ
ตัวอย่าง : หากเราทำการจำแนกภาพขนาดของภาพจะมีขนาดใหญ่มากเนื่องจากค่าของแต่ละพิกเซลมีค่าตั้งแต่ 0 ถึง 255 การทำให้เป็นมาตรฐานในกรณีนี้มีความสำคัญมาก
กล่าวถึงด้านล่างนี้เป็นกรณีที่การทำให้เป็นมาตรฐานมีความสำคัญมาก:
- K-หมายถึง
- K-ที่สุด-เพื่อนบ้าน
- การวิเคราะห์องค์ประกอบหลัก (PCA)
- โคตรลาด