在ML.NET中，我们公开了许多参数和非参数算法^[1]。

通常，参数学习器对训练数据持有一定的假设，如果不满足这些假设，训练就会受到极大的阻碍（有时甚至完全不可能）。

最常见的假设是

• 所有特征的值大致相同；

• 特征值不太大，也不太小。

违反上述第一个假设会导致学习器训练一个次优模型（甚至是一个完全无用的模型）。违反第二个假设会导致算术错误累积，这通常会完全中断训练过程。

一般来说，如果您使用参数化学习器，您需要确保您的训练数据正确缩放。

ML.NET提供了几种内置的缩放算法或“规范化器”：

• MinMax 规范化器：对于每个特征，我们学习它的最小值和最大值，然后线性地重新缩放它，使值在-1和1之间。

• 均值-方差规范化器：对于每个特征，计算均值和方差，然后将其线性重缩放为零均值、单位方差。

• CDF 规范化器：对于每个特征，计算均值和方差，然后将每个值x替换为Cdf(x)，其中Cdf是具有这些均值和方差的正态分布的累积密度函数。

• 装箱规范化器：将特征值离散化为“N”个桶，然后用桶的索引替换每个值，除以“N-1”。

这些规范化器都有不同的属性和权衡，但如果您要用一个来代替另一个，那也没什么大不了的。只需确保在训练线性模型或其他参数化模型时使用规格化器。

ML.NET规范化器的一个重要参数称为fixZero。如果fixZero为true，则零输入始终映射到零输出。在处理稀疏数据时，这一点非常重要：如果不保留零，则会将所有稀疏数据转换为密集数据，这通常是个坏主意。

将规范化器直接包含在ML.NET学习管道中是一种很好的做法：这样可以确保规范化

• 只是训练数据，而不是你的测试数据，

• 正确应用于所有新传入的数据，而无需在预测时进行额外的预处理。

下面是演示学习管道规范化的代码片段。它使用Iris数据集：

//Iris类的数据模型private class IrisInputAllFeatures
{[ColumnName("Label"), LoadColumn(4)]public string IgnoredLabel { get; set; }[LoadColumn(0, 3)]public float Features { get; set; }
}// 加载训练数据。
var trainData = mlContext.Data.LoadFromTextFile<IrisInputAllFeatures>(dataPath,// 默认分隔符是tab，但数据集使用逗号。separatorChar: ','
);// 对原始特征应用MinMax规范化。
var pipeline =mlContext.Transforms.NormalizeMinMax("MinMaxNormalized", "Features");// 让我们训练规范化器管道，然后将其应用于相同的数据。
var normalizedData = pipeline.Fit(trainData).Transform(trainData);// 检查结果数据集的一列。
var minMaxValues = normalizedData.GetColumn<float[]>(normalizedData.Schema["MinMaxNormalized"]).ToArray();

欢迎关注我的个人公众号”My IO“参考资料

[1]

参数和非参数算法: https://machinelearningmastery.com/parametric-and-nonparametric-machine-learning-algorithms/