是否为AutoEncoder建议使用功能缩放？

Question

问题：

已将Staked Auto Encoder应用于具有25K行和18列且均为浮点值的数据集。 SAE用于通过编码和解码进行特征提取。

当我在没有特征缩放的情况下训练模型时，即使经过200个历元，损失仍约为50K。但是，应用缩放后，从第一个纪元开始损失约为3。

我的问题：

1. 在将SAE用于特征提取时，建议应用特征缩放

2. 这会影响解码过程中的准确性吗？

Answer 1

1. 除少数例外，您应始终在机器学习中应用特征缩放，尤其是在像SAE中使用梯度下降时。缩放功能将确保成本函数更加平滑，从而更快地收敛到全局（希望）最小值。

还值得注意的是，经过1个缩放周期后，损耗要小得多，这应该是用于计算损耗的较小值的结果。

1. 否