我目前正在使用反向传播算法进行一个分类任务的人工神经网络（ANN）研究。然而，我对如何归一化我所使用的数据集有些困惑（我没有很强的统计学/概率学背景）。

下面展示了一部分数据样本：

5.1, 3.5, 1.4, 0.2, 15.2, 2.7, 3.9, 1.4, 25.9, 3.0, 5.1, 1.8, 3

其中，每个样本的最后一个标记是类别。

现在，由于我使用的是Sigmoid传输函数，我的网络显然不能输出大于1的值，因此数据需要进行归一化/缩放。

我的第一个问题是：我需要对特征和类别都进行缩放，还是只对类别进行缩放？

我的第二个问题是，有没有一种常用或默认的方法来进行这种缩放？

此致，Jack Hunt

回答：

通常建议也对特征进行缩放。缩放方法可以简单地表示为：scaled_feature = (feature – min(featurearray))/(max(featurearray) – min(featurearray))。

因此，对于第一列属性，新的数据将是：(5.1-5.1)/(5.9-5.1);(5.2-5.1)/(5.9-5.1);(5.9-5.1)/(5.9-5.1)