以下有关特征数据归一化的说法错误的是:( ) A.特征数据归一化加速梯度下降优化的速度B.特征数据归一化有可能提高模型的精度C.线性归一化适用于特征数值分化比较大的情况D.概率模型不需要做归一化处理
以下有关特征数据归一化的说法错误的是:( )
A.特征数据归一化加速梯度下降优化的速度
B.特征数据归一化有可能提高模型的精度
C.线性归一化适用于特征数值分化比较大的情况
D.概率模型不需要做归一化处理
相关考题：
7、下面关于特征矩阵的归一化（Normalizer）的描述错误的是A．归一化是依照特征矩阵的行，即每个样本进行处理B．其目的是使样本向量在进行点乘运算或计算相似性时，拥有统一的标准，即都转化为“单位向量”，使每个样本的范式等于 1。C．归一化是主要是对特征矩阵中每个列，即同一特征维度的数值进行规范化处理D．常见的归一化公式为L1 范式和L2 范式等
4、关于数据规范化，下列说法中错误的是（)。A．包含标准化和归一化B．标准化在任何场景下受异常值的影响都很小C．归一化利用了样本中的最大值和最小值D．标准化实际上是将数据在样本的标准差上做了等比例的缩放操作
11、有关数据预处理对神经网络的影响，以下哪个说法是错误的？A．对于非数值型的属性，可以使用独热（onehot)编码或模糊化转换成数值B．连续性属性可以采用最小最大值归一化，减少数值过大和不同属性量纲不同对网络的影响C．预处理与否对神经网络的训练速度和分类准确率影响比较大D．BP神经网络的输入属性不需要筛选，因为网络本身有特征获取能力