机器学习数据预处理：先划分数据集还是先归一化？

在机器学习中，通常先划分训练集和验证集，然后对每个数据集进行'归一化'处理。这是因为'归一化'处理是基于数据的，而训练集和验证集通常具有不同的数据分布。如果先'归一化'整个数据集，然后再进行划分，可能会导致训练集和验证集之间出现数据泄漏的情况，从而影响模型的泛化能力。因此，通常建议先划分数据集，然后对每个数据集进行'归一化'处理。