Недавно занялась изучением нейронных сетей и методов их обучения. И первый вопрос:-Какой метод нормализации обучающей выборки выбрать и какая разница между ними? P.S. Данные в ОВ и числовые и символьные. Если можно пример. Заранее, Блогадарю!

Мне встречались такие методы нормализации:
- приведение данных к шкале от 0 до 1;
- приведение вектора признаков к модулю 1.

Каккой лучше, а какой хуже, сказать не берусь. Все зависит от природы данных и решаемой задачи.

Действительно, сказать какой алгоритм лучше нельзя.

Его выбор зависит от алгоритма обучения, а также от логистических(активационных) функций нейронов.

Например, для алгоритма обратного распространения рекомендуется использовать нормализацию к некоторой шкале, для сигмоидной активационной функции [0..1] или [-0.5..0.5].

Алгоритм такой нормализации следующий.

1. Находим максимальный и минимальный коэффициенты выборки.
2. Уменьшаем все элементы вектора на величину минимального.
3. Делим все коэффициенты полученной выборки на разность между максимальным и минимальным.