我目前正在研究一种在线机器学习算法，需要确保输入向量中的每个特征在样本中均具有0均值和1方差。
我认为在事先准备好所有样本后，如何做到这一点并不重要，但在线学习中并非如此。
有人知道如何以一种新的方式对新的给定向量进行归一化，以使先前样本中的每个特征（+新样本）具有0个均值和1个方差吗？
可能吗
谢谢
最佳答案
自举前几百个样本，估计均值和方差，并进行高斯归一化，以均值0和方差1并对此进行归一化。没有一个ML Algo对归一化到0,1的要求非常严格，这就足够了。
对于一个严格的在线问题，您可以从第一个缺陷开始学习，除非您对变量范围（例如灰度图像中像素的最大值等）有所了解，否则我不确定该怎么做。之后说每个x缺陷被收集将证明成本太高。
关于math - 在线机器学习算法中将样本归一化为0个均值和1个方差，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/35482476/