Мне использовать те же параметры нормализации, что были на обучающем или нормализовать данные с нуля?

Ответ на этот вопрос зависит от специфики вашей задачи и характера данных, с которыми вы работаете. Ниже я предоставлю вам детальное объяснение двух вариантов: использование тех же параметров нормализации и нормализация данных с нуля.

1. Использование тех же параметров нормализации:
Если вы хотите использовать те же параметры нормализации, что были на обучающем наборе данных, это означает, что вы хотите применить ту же самую методику нормализации к новым данным. Это может быть полезно, если у вас есть набор данных, на основе которых вы обучили модель, и вы хотите использовать эту модель для предсказания результатов на новых данных. В таком случае, предварительная нормализация новых данных с использованием тех же параметров поможет обеспечить согласованность и сопоставимость признаков в новом наборе данных с признаками, используемыми в обучающем наборе данных.

2. Нормализация данных с нуля:
Нормализация данных с нуля означает выполнение процесса нормализации на основе статистических параметров в новом наборе данных. В этом случае, вы выполняете нормализацию отдельно для каждого нового набора данных, не связывая ее с предыдущими параметрами нормализации. Этот подход может быть полезен, если ваши новые данные имеют существенно разные статистические свойства (например, диапазон значений, среднее значение или стандартное отклонение), чем обучающий набор данных. Нормализация с нуля позволяет учитывать эти различия и адаптировать нормализацию к новым данным.

Выбор между этими двумя вариантами зависит от вашей конкретной ситуации и целей. Если статистические параметры новых данных существенно отличаются от обучающего набора данных, нормализация с нуля может дать более точные результаты.
Однако, если вы работаете с набором данных, который статистически похож на обучающий набор, использование тех же параметров нормализации может быть предпочтительным для обеспечения согласованности и сопоставимости признаков.

В любом случае, рекомендуется тщательно изучить данные и оценить статистические свойства перед принятием решения о выборе подхода к нормализации.