我使用了Keras中的顺序模型进行类别分类。

给定数据:

x_train = np.random.random((5000, 20))y_train = keras.utils.to_categorical(np.random.randint(10, size=(5000, 1)), num_classes=10)x_test = np.random.random((500, 20))y_test = keras.utils.to_categorical(np.random.randint(10, size=(500, 1)), num_classes=10)

特征缩放很重要:

scaler = StandardScaler()scaler.fit(x_train) x_train = scaler.transform(x_train) x_test = scaler.transform(x_test) 

模型

model = Sequential()model.add(Dense(64, activation='relu', input_dim=20))model.add(Dropout(0.5))model.add(Dense(64, activation='relu'))model.add(Dropout(0.5))model.add(Dense(10, activation='softmax'))    model.compile(loss='categorical_crossentropy',              optimizer='adam',              metrics=['accuracy'])model.fit(x_train, y_train,          epochs=100,          batch_size=32)

待预测数据

z = np.random.random((9999000, 20)) 

我应该缩放这些数据吗？如何缩放这些数据？

predictions = model.predict_classes(z)

如你所见，与待预测数据（z）相比，训练和测试样本的数量非常少。使用基于x_train拟合的缩放器来重新缩放x_test，似乎是可以的。然而，使用仅基于5000个样本拟合的同一缩放器来重新缩放z（9999000个样本），似乎不太合理。在深度学习领域，有没有解决这个问题的最佳实践？

对于不敏感于特征缩放的分类器，如随机森林，不存在这个问题。然而，对于深度学习，这个问题确实存在。

这里展示的训练数据仅用于示例目的。在实际问题中，训练数据并非来自相同的（均匀）概率分布。标记数据是困难的，训练数据存在人类偏见，倾向于易于标记的样本。只有那些易于标记的样本被标记了。

回答：

然而，使用仅基于5000个样本拟合的同一缩放器来重新缩放z（9999000个样本），似乎不太合理。

不清楚你为什么这么认为。这正是标准做法，即使用基于训练数据拟合的缩放器，正如你对测试数据所做的那样:

z_scaled = scaler.transform(z) predictions = model.predict_classes(z_scaled)

样本数量（500或10^6）在这里没有任何区别；重要的是所有这些数据（x和z）都来自相同的概率分布。在实践中（对于可能仍在未来的数据），这只是一个假设（模型部署后需要注意的一件事正是这个假设是否不成立，或者在某段时间后不再正确）。但特别是在这里，你的模拟数据来自完全相同的（均匀）概率分布，这是完全正确的做法。