Titanic MLP 資料標準化，哪些敘述正確？
使用鐵達尼號（Titanic）資料集進行多層感知機（Multilayer Perceptron, MLP）分類預測分析，其中 survived 為反應變數（1 表示存活，0 表示死亡）。資料載入後切分為 X_train（前 9 欄）/y_train（survived）/X_test/y_test，型別為 float32。
參考下圖程式碼：
X_train -= X_train.mean(axis=0)
X_train /= X_train.std(axis=0)
X_test -= X_test.mean(axis=0)
X_test /= X_test.std(axis=0)
敘述（複選 sub-options）：
A：X_train -= X_train.mean(axis=0) 將每個訓練集特徵的平均值調整為 0
B：X_train /= X_train.std(axis=0) 將每個訓練集特徵的標準差調整為 0
C：X_train 處理結果會將資料壓縮到 0 和 1 之間
D：標準化結果防止梯度爆炸或消失
E：標準化是屬於特徵選擇（Feature Selection）方法
F：X_train 程式碼應修正為 X_train = X_train.std(axis=0)，X_test 程式碼應修正為 X_test = X_test.std(axis=0)
請問下列何者正確？（4 個選項各為不同的子敘述組合）
Titanic MLP 分析專案中，工程師在訓練模型前對特徵做了「標準化」處理：先減去各特徵的平均值，再除以標準差。題目列出了 6 個關於這段程式碼的敘述（A 到 F），這是一題複選題：4 個選項各是不同的子敘述組合，要從中選出「全部正確」的那個組合。
問你：6 個子敘述中，哪些是正確的？而對應到哪個選項組合？
一句話總結
6 個子敘述中正確的是子敘述 A（平均值調整為 0）和子敘述 D（防止梯度爆炸/消失），選項 C 的「A、D」組合即為正解。其餘子敘述 B、C、E、F 各有明確錯誤。
先感受問題：神經網路為什麼要先「標準化」特徵？
Titanic 資料集的 9 個特徵量綱差異極大：年齡（Age）在 0-80 之間、票價（Fare）可以到 500 以上、性別（Sex_encoded）只有 0 或 1。如果直接丟進神經網路，量綱大的特徵（票價）會主導梯度，量綱小的特徵（性別）幾乎被忽視，訓練不穩定。
標準化（Z-score normalization）：每個特徵減去均值、除以標準差，讓所有特徵都縮放到「均值 0、標準差 1」的範圍，讓梯度更均衡，訓練更穩定。
這道複選題有 6 個子敘述，題目把它們打包成 4 個「哪些正確」的組合，要你逐一判斷每個子敘述的對錯，再找到對應的正確組合。
逐一判斷 6 個子敘述
- 子敘述 A（正確）：X_train -= X_train.mean(axis=0) 對每個特徵（欄）減去該特徵的均值，讓每個特徵的均值變為 0。axis=0 表示沿樣本維度計算均值，結果是一個長度為特徵數（9）的向量。
- 子敘述 B（錯誤）：X_train /= X_train.std(axis=0) 是除以標準差，結果是讓標準差變為 1，不是 0。標準差為 0 的特徵沒有意義（所有值相同），除以標準差是讓它「縮放到標準差 = 1」。
- 子敘述 C（錯誤）：標準化不是 Min-Max 縮放，不會把資料壓縮到 0 和 1 之間。Z-score 標準化後的範圍是 (-∞, +∞)，只是均值為 0、標準差為 1，可能有超出 -1 到 1 的值。Min-Max 縮放才是壓縮到 0-1。
- 子敘述 D（正確）：特徵標準化確實有助於防止梯度爆炸（量綱大的特徵梯度過大）和梯度消失（量綱小的特徵梯度過小），是神經網路訓練穩定性的重要技術。
- 子敘述 E、F（皆錯誤）：E 說標準化是「特徵選擇」，但標準化屬於特徵縮放（Feature Scaling），決定的是數值範圍，不是哪些特徵要保留；F 的「修正」把 -= 改成 =，X_train = X_train.std(axis=0) 會讓 X_train 從資料矩陣變成一個只有 9 個數的標準差向量，原始資料全部消失，是破壞性錯誤。
正確的兩個：A 和 D
整理 6 個子敘述的對錯：
- A：正確（減均值讓均值為 0）
- B：錯誤（除以標準差讓標準差為 1，不是 0）
- C：錯誤（Z-score 不壓縮到 0-1，是 Min-Max 的功能）
- D：正確（標準化防止梯度問題）
- E：錯誤（標準化是特徵縮放，不是特徵選擇）
- F：錯誤（提議的修正破壞了資料結構）
正確的子敘述是 A 和 D，對應選項 C 的「A、D」組合。
這就是選項 C 講的：A、D（子敘述 A 和 D 正確）。
技術版：Z-score 標準化公式與梯度影響
中級考試大概率會考程式碼跟公式，所以這部分你還是要學。但如果現在學起來很痛苦，可以先跳過，等讀完其他題目回頭再來。
想像你要比較台北市各區的「房價」和「犯罪率」。房價在 1,000 萬到 1 億之間，犯罪率在 0.01 到 0.1 之間。直接比較這兩個數字，房價的數字大幾千萬倍，會讓任何模型都認為「房價比犯罪率重要得多」——但這只是因為數字的單位不同，不是因為它真的更重要。
標準化就像「換算成標準分數」：讓每個指標都以「距離平均值幾個標準差」來表達，消除單位的影響，讓模型公平地比較兩者。
| 白話說法 | 程式碼 / 公式 |
|---|---|
| 減去每個特徵的均值 | X -= X.mean(axis=0) → 均值變 0 |
| 除以每個特徵的標準差 | X /= X.std(axis=0) → 標準差變 1 |
| Z-score 公式 | z = (x - μ) / σ |
| Min-Max 縮放（壓縮到 0-1） | x_norm = (x - x.min()) / (x.max() - x.min()) |
| sklearn 的標準化（等效） | from sklearn.preprocessing import StandardScaler scaler.fit_transform(X_train) |
- axis=0
- 沿第 0 維（樣本維）計算，對每個特徵（欄）分別算均值/標準差
- μ（均值）
- 標準化後等於 0，減均值讓資料以 0 為中心
- σ（標準差）
- 標準化後等於 1，除以標準差讓資料的散布程度一致
- 梯度爆炸
- 特徵值很大時，損失函數對該特徵的梯度也很大，更新步幅過大，訓練不穩
- 梯度消失
- 特徵值很小時，梯度接近 0，該特徵幾乎無法被學習
Z-score 標準化（本題的方法）： z = (x - μ) / σ 結果：μ = 0，σ = 1 範圍：(-∞, +∞)，通常集中在 [-3, 3] 內 Min-Max 縮放（容易混淆的另一種方法）： x_norm = (x - x_min) / (x_max - x_min) 結果：[0, 1] ← 子敘述 C 說的是 Min-Max，不是 Z-score 子敘述 B 的錯誤： X /= X.std(axis=0) 的效果是： 新標準差 = 原標準差 / 原標準差 = 1 標準差變為 1，不是 0 子敘述 F 的錯誤： X_train = X_train.std(axis=0) X_train 原本 shape = (N, 9)，這行執行後 X_train.shape = (9,)，資料全部被覆蓋成標準差向量，原資料消失
- Z-score 標準化後的均值和標準差分別是多少？
- Z-score 標準化和 Min-Max 縮放的結果範圍有什麼差異？
- 為什麼標準化能防止梯度爆炸？以一個具體例子說明。
- 這段程式碼用 X_test.mean() 對測試集標準化，有什麼潛在問題？正確做法是什麼？
- 特徵縮放（Feature Scaling）和特徵選擇（Feature Selection）有什麼差異？
為什麼其他選項是錯的
字面在說什麼：子敘述 A、B、C、D 全部正確。
為什麼不對：子敘述 B 說「除以標準差讓標準差調整為 0」是錯誤的，除以標準差讓標準差變為 1，不是 0；子敘述 C 說「壓縮到 0 和 1 之間」也是錯誤的，Z-score 標準化的輸出範圍是 (-∞, +∞)，不是 [0, 1]，那是 Min-Max 縮放的效果。
誰會選錯：對「標準化」和「歸一化（Min-Max）」的差異不清楚，以為所有「預處理」都是把資料壓縮到 0-1；或誤讀了子敘述 B，以為「標準差縮放到某個值」就是「調整為 0」。
字面在說什麼：子敘述 A（均值為 0）和 E（標準化是特徵選擇）正確。
為什麼不對：子敘述 E 說標準化屬於「特徵選擇」是錯誤的。標準化是「特徵縮放」，它不選擇哪些特徵要保留，而是調整所有保留特徵的數值範圍。特徵選擇包含 Filter（相關係數、卡方檢定）、Wrapper（遞迴特徵消除 RFE）、Embedded（Lasso 正則化），完全不同的概念。
誰會選錯：把「對特徵做處理」統稱為「特徵選擇」，沒有區分縮放（Scaling）和選擇（Selection）是兩個不同的前處理步驟。
字面在說什麼：子敘述 A、C（壓縮到 0-1）和 F（修正程式碼）正確。
為什麼不對：子敘述 C 把 Z-score 標準化（結果不限 0-1）誤解成 Min-Max 縮放（結果是 0-1）；子敘述 F 的「修正」把 X_train -= 改成 X_train =，直接把資料矩陣覆蓋成一個向量，是破壞性的錯誤，不是「修正」。
誰會選錯：把 -=（減等於）和 =（指派）搞混，以為 F 的「修正」是合理的；同時把 Z-score 和 Min-Max 混淆，選了 C。
同個考點下次怎麼變形
直覺：本題的程式碼用 X_test.mean() 和 X_test.std() 來標準化測試集，這樣有什麼問題？
答案：這會造成「資料洩漏」（Data Leakage）的邊緣情況：測試集的標準化用了測試集自己的統計量，而不是訓練集的統計量。正確做法是用訓練集算出的 mean 和 std 來標準化測試集：`X_test -= X_train_mean; X_test /= X_train_std`。這樣才能模擬「真實部署時，遇到全新資料」的情境。
直覺：什麼時候用 Z-score，什麼時候用 Min-Max？
答案：Z-score 適合：資料近似常態分佈、需要保留離群值影響、或使用線性模型/神經網路。Min-Max 適合：需要固定在 [0,1] 範圍（例如影像像素 0-255 → 0-1）、資料有明確上下界。神經網路兩者都常用，但如果有明顯離群值，Z-score 可能讓大多數值集中在很小的範圍，Min-Max 更合適。
直覺：標準化能防止梯度爆炸，但 BatchNorm 也能防止梯度問題，兩者有什麼差異？
答案：標準化（輸入端）是在訓練開始前對資料做一次性處理，只對輸入特徵有效。BatchNorm（層間）是在每個隱藏層激活後動態標準化，解決的是「深層網路訓練時中間層分佈偏移」的問題（Internal Covariate Shift），效果更全面，但需要加在網路結構裡。兩者可以同時使用。
直覺：Titanic 資料集除了標準化之外，還有哪些常用的特徵前處理方法？
答案：特徵選擇：用相關係數篩選與 survived 相關度高的特徵；用 Lasso 正則化讓不重要特徵的係數縮為 0。特徵工程：從 Name 欄位提取頭銜（Mr/Mrs/Miss），從 Cabin 提取客艙等級；建立交互特徵（Age × Pclass）。缺值處理：Age 的缺失值用中位數填補；Embarked 的缺失值用眾數填補。
直覺：X -= X.mean(axis=0) 和 X = X - X.mean(axis=0) 有什麼差異？
答案：對 NumPy 陣列，-= 是「就地（in-place）運算」，直接修改原陣列的記憶體，不建立新陣列，更省記憶體；= 是建立新陣列再指派，原陣列保留。功能上結果相同，但 -= 更節省記憶體，在大型資料集上有明顯差異。子敘述 F 把 -= 改成 = 卻省略了「- X.mean(axis=0)」部分，意思完全改變，這才是問題所在。
想再往下看，這 5 個
- 特徵縮放（Feature Scaling）本題核心，Z-score 標準化是特徵縮放的一種，確保不同量綱的特徵在模型訓練中獲得平等的權重。
- 梯度消失（Vanishing Gradient）特徵量綱過小時的梯度問題，標準化是最簡單的緩解方法之一。
- 梯度爆炸（Exploding Gradient）特徵量綱過大時的對應問題，與梯度消失相反，兩者都是深度網路訓練的挑戰。
- 特徵選擇（Feature Selection）子敘述 E 的混淆對象，與特徵縮放是不同的前處理步驟，決定保留哪些特徵而非調整數值範圍。
- 資料前處理（Data Preprocessing）標準化的上層概念，包含缺值處理、特徵縮放、編碼轉換等多個步驟，是機器學習流程的起點。