是否建议对AutoEncoder进行功能缩放？

Question

问题：

已标记的自动编码器正应用于具有25K行和18列的数据集，这些数据集都是浮动值。SAE用于特征提取，并进行编码和解码。

当我训练没有特征尺度的模型时，损失在50K左右，即使是在200个年代之后。但是，当应用标度时，从第一个时期起损失约为3。

我的问题：

1. 当使用SAE进行特征提取时，建议使用特征缩放吗？
2. 在解码过程中会影响准确性吗？

Answer 1

1. 除了少数例外，您应该始终在机器学习中应用特性缩放，特别是在使用梯度下降时，就像在SAE中一样。扩展您的功能将确保一个更平滑的成本功能，从而更快地收敛到全局(希望是)最小化。

同样值得注意的是，在经历了1次缩放之后，您的损失要小得多，这应该是用于计算损失的小得多的值的结果。

1. 不是