离散化对神经网络性能影响的研究
周佳绘
西安石油大学计算机学院 陕西西安 710065
摘要：在神经网络模型的数据预处理中,对于同时具有定性和定量特征的表格数据,通常的做法是将定性特征表示为独热编码,将定量特征归一化到指定范围.离散化通常被认为会导致信息丢失,因此应该尽量避免.然而,近年来的一些研究表明,离散化具备一些独特的能力,有助于提高模型的性能.针对以上问题,研究了几种常用的离散化方法,使用其中效果最好的MDLP算法将表格数据中的定量特征离散化,随后输入到具有2个隐层的神经网络中训练,最后与训练数据未经离散化的神经网络进行对比.实验结果表明,离散化不仅能够提高神经网络的分类准确率,还能加快神经网络的收敛速度,同时不影响甚至缩短训练时间.
关键词：离散化神经网络MDLP算法表格数据数据预处理
论文发表日期：2022-04-28
在线出版日期：2026-05-22（本平台首次上网日期，不代表文献的发表时间）
页数：4( 61-64 )