然后我们再来看一下 ，就是数据处理 ，还有我的一个下面是什么 ，还有一个参数初始化数据处理是这样 ，就是拿到了数据之后 ，啊咱们不能给它直接的输入到神经网络当中 ，我得稍微的做一些变换 ，做一些改变 ，比如说拿出去之后 ，咱做一个标准化操作 ，所以标准化咱之前说过这张图咱们再来看一下吧 ，在标准化操作操作当中 ，啊是不是我第一步我先做一个去中心化去就不是去中化 ，就把这个东西变得变成一个中心化 ，那是不是就每一个地方的一个实际坐标值减去它的一个均值就可以了吧 ，就是第一步我去减均值 ，得到了一个中 ，就是以原点为中心 ，对这样的一个结果 ，那接下来我要进行各个维度它的一个放松或者扩充了 ，放松扩充 ，其实说白了除了它的一个标准差就可以了 ，这个就是我们的一个数据标准化 ，咱之前给大家说过了 ，就是当大家在用这个神经网络的时候 ，基本这一步是跑不了的 ，所有的一些就是所有可能可以说所有的数据问题吧 ，都会涉及到这个预处理的一个操作 ，这里比较常见的是一个标准化的一个操作 ，然后下面参数初始化 ，初始化操作也比较重要 ，比如这里 ，但之前我说有一只啊有一只猫 ，然后这只猫 ，然后它要经过一个全球参数矩阵 ，这它是一个3×4的 ，啊我们大家我就一会儿才要得到的结果当中就是对这个3×4的一个矩阵进行初始化 ，在这里换一下 ，这是一个换成一个34的 ，换一个最大的不一样 ，这里比如说它一开始是个0.1 ，这块是个0.3 ，这块是一个负的0.1 ，这个是正的0.2 ，它们之间都是有一些具体值的吧 ，这个是全球参数矩阵啊我要对它进行一个初始化 ，初始化来说就是先给它一个随机的一个值 ，然后呢在我训练的过程当中 ，训练的时候我是不是一张数据张数输了 ，是反应传播 ，要重新计算我的一个参数值啊 ，所以说这一步就0.30.1这个东西是我一开始就是给出来的一个啊就给出来的一个随机值吧 ，

但通常情况下都是通过一些随机的策略来生成一组权重参数 ，比如这里这样 ，我想生成一个啊 ，3×4的吧 ，那这一块你就写个3×4 ，我生成这样一个矩阵 ，这个矩阵呢 ，我们随机去做 ，然后这里要乘上了一个0.01 z 0201什么意思啊 ，大家可以想就是我们当我们再去调节网络的过程当中 ，我说一点就是别让网络当中不同的一个权重参数值浮动差异较大吧 ，什么叫较大 ，这个东西叫浮动较大 ，有些 w 突然很大 ，有些 w 大部分情况下都比较小吧 ，我们希望它尽可能稳定一些 ，那你看当你把这个初始化值乘上一个0.01乘上一个比较小的值之后 ，是不是说咱得到初始化结果也都会比较小啊 ，这个就是我们初始化当中一种这种方法 ，我们在初始化的时候 ，就是 w 里边值都是比较小的 ，率一开始也是比较小的 ，这个就是一个参数 ，初始化咱们是怎么去做的这个网络当中啊咱们之前说了它最大的一个问题啊还是整个的一个网络架构有点太复杂了 ，层数比较多 ，然后每一层当中呢 ，它的神经元个数也比较多 ，这就造成一个困扰 ，就是整个神经网络啊 ，过敏和风险是不是特别大呀 ，神经网络啊 ，从面试至今一直到现在都在解决的一个问题 ，别让这个网络太强了 ，那怎么办呢 ，咱之前是不是说了 ，可以加上一个政策化 ，这个政策化我一般管它叫做一个 rw 吧 ，那不光能加上的话 ，还能加什么 ，这里啊 ，有一个比较优秀的思想 ，叫做一个 ppt 我给它起个名字啊 ，把它叫做一个七伤拳 ，加起来什么感觉啊 ，伤敌七分 ，自损三分 ，还是伤敌三分自损七分啊 ，这个不管了 ，反正就是互相伤害的感觉 ，这什么意思啊 ，我们现在要用神经网络 ，它的一个过敏的风险降低 ，那一定程度上你是不是会削减一些网络的一个威力啊 ，就让这个网络啊效果别太强 ，然后呢 ，过敏的风险又降低 ，

相当于啊 ，我不能就是就是不能怎么样 ，不能一键双雕吧 ，我们只能就是舍弃其中一部分 ，以增强它的一个抗拒拟合的一个能力 ，啊这个意思来看一下它基本的一个思想 ，基本思想当中啊左图它是一个完整的神经网络 ，