3.8　小结

本章讨论了许多数据处理技术，以后我们还会一直使用这些技术。现在就花一些时间做这件事情比以后才做要好。这样会使深度学习架构的建模更加容易。

学习完本章的知识后，你现在能够处理和生成用于分类或特征表示的二元数据了。还知道了如何处理分类数据和标签，并为分类或回归做好准备。当拥有实值数据时，你现在知道了如何识别它们的统计属性以及如何标准化这些数据。如果遇到了非正态或非均匀分布的数据问题，现在你知道如何去解决了。如果遇到数据不足的问题，可以使用数据增强技术实现对数据的扩充。在本章的末尾，你学习了一些最流行的降维技术。你还会学到更多的知识，例如，当我们谈论自编码器时，它也可以用于对数据的降维。但还需要耐心等待，我们会及时到达这个知识点。

现在，将继续我们的旅程，进入下一个关于机器学习基本知识的入门主题。第4章介绍深度学习理论中最基本的概念，包括回归和分类的性能度量以及过拟合的识别。然而，在这之前，请试着用下面的问题来测试一下自己的知识掌握程度。