如何为tf.data.Dataset添加仅标准化特征而非标签的Normalization层？

以下是适配你当前状态（已移除数据集批次）的具体实现步骤：

1. 确认数据集结构 #

确保你的训练、验证、测试数据集均以**(原始特征张量, 原始标签张量)**的二元组形式存在，特征和标签完全未做标准化处理。

2. 基于训练集特征训练标准化层 #

从训练集中提取所有特征样本，用这些数据适配Normalization层，严格避免验证/测试集的数据泄露：

import numpy as np
import tensorflow as tf

# 从训练数据集提取所有特征（train_dataset为未批次化的tf.data.Dataset）
train_features = np.concatenate([feat for feat, label in train_dataset], axis=0)

# 初始化标准化层，指定输入特征的维度（axis=-1对应特征数维度）
normalizer = tf.keras.layers.Normalization(axis=-1)
# 用训练集特征计算均值和标准差，完成层的适配
normalizer.adapt(train_features)

3. 构建嵌入标准化层的模型 #

将标准化层放在模型最前端，仅对输入的原始特征做处理，标签直接用于损失计算，不经过任何标准化操作：

# 假设输入特征形状为(时间步长, 特征数量)，例如(24, 3)
input_shape = (24, 3)
inputs = tf.keras.Input(shape=input_shape)

# 仅对特征执行标准化
x = normalizer(inputs)

# 添加你的时间序列模型层，比如LSTM、GRU或卷积层
x = tf.keras.layers.LSTM(64, return_sequences=False)(x)
# 输出层直接预测原始标签的数值
outputs = tf.keras.layers.Dense(1)(x)

# 定义完整模型
model = tf.keras.Model(inputs=inputs, outputs=outputs)

4. 编译并训练模型 #

编译时直接使用针对原始标签的损失函数（如MSE、MAE），训练过程中模型会自动对输入特征做标准化，损失和指标均基于真实标签值计算：

model.compile(optimizer=tf.keras.optimizers.Adam(learning_rate=0.001),
              loss='mse',
              metrics=['mae'])

# 直接传入原始数据集训练，可根据需求重新设置批次大小
history = model.fit(train_dataset,
                    validation_data=val_dataset,
                    epochs=20,
                    batch_size=32)

5. 测试模型性能 #

测试时直接传入原始测试数据集，模型内部会用训练好的标准化层处理测试特征，输出的预测值与真实标签尺度一致，指标计算完全贴合真实业务场景：

test_loss, test_mae = model.evaluate(test_dataset)
print(f"测试集MAE: {test_mae:.4f}")

核心注意事项 #

• 标准化层只能用训练集特征适配，绝对不能用到验证或测试集的特征数据，否则会严重破坏模型泛化能力。
• 如果是单变量时间序列，确保axis参数设置正确（通常axis=-1即可），保证标准化针对特征维度计算。
• 模型保存时，标准化层会和其他层一同被保存，后续加载模型做预测时，无需手动处理特征标准化，模型会自动完成。

内容的提问来源于stack exchange，提问作者NC520