请问一个模型的30个变量的scale非常不一致。有的是年龄（几十岁），有的是工资（几百万），有的是基因表达量（几个亿） 请问大家一般喜欢用什么normalization方法呢？ 在训练集中，你很好去normalization，那么在测试集中。 大家是用一套统一的方法去normalize training and testing sets吗？ 模型建好了后，临床应用中， 比如一个年龄是90岁，工资3万，基因A表达量是1.1亿，他的这些变量如何输入到模型中去呢？ 大家如何处理这个问题的呢？ 欢迎分享一些资料和网页 gooog 发表于 2024-01-21 00:50
随便那本机器学习的书一开篇就会讲这个吧，你需要突击过一遍101再开始建模，一边学一边建模要绕很多路 基本思想是让数值列分布的 domain 尽量重合，相互之间没有数量级的差别，这样机器学习中涉及的数值计算才会比较稳定 facet 发表于 2024-01-21 01:45
看看楼下的怎么描述的。这个问题，肯定不是哪个菜鸟机器学习的书能描述的。 这是google，微软这样大厂的AI大牛都不一定能回答的问题。 gooog 发表于 2024-01-21 18:50
在训练集中，你很好去normalization，那么在测试集中。 大家是用一套统一的方法去normalize training and testing sets吗？
模型建好了后，临床应用中， 比如一个年龄是90岁，工资3万，基因A表达量是1.1亿，他的这些变量如何输入到模型中去呢？
大家如何处理这个问题的呢？
欢迎分享一些资料和网页
随便那本机器学习的书一开篇就会讲这个吧，你需要突击过一遍101再开始建模，一边学一边建模要绕很多路 基本思想是让数值列分布的 domain 尽量重合，相互之间没有数量级的差别，这样机器学习中涉及的数值计算才会比较稳定
看看楼下的怎么描述的。这个问题，肯定不是哪个菜鸟机器学习的书能描述的。 这是google，微软这样大厂的AI大牛都不一定能回答的问题。
楼主问题很特别吗？没觉得，唯一模糊的是那个基因列，它的取值据描述，就是个count 数，那就完全不特别了，非常routine 的问题，如果取值本身是个高纬向量（十几亿长度的基因表达字串本身），那需要做特征抽取或压缩，再说其他的