記錄一下資料歸一化的方法。有的資料集特徵間的值差距太大，會影響深度學習的效果，實現資料的歸一化，能夠有效消除這個影響，**展示的是將資料歸一化[0,1]中。
import numpy as np
dataset=[[
1,2,
3],[
0,3,
4],[
0,5,
6],[
0,1,
1],[
1,3000000,1
],[1
,90001,1
]]#6行3列的矩陣，最後一列是標籤
data = np.delete(dataset,-1
, axis=1)
print
(data)
labels=np.array(dataset,dtype=np.int32)[:
,-1]
mmax = np.
max(data, axis=0)
#每個特徵的最大值
mmin = np.
min(data, axis=0)
#每個特徵最小值
for i in
range
(len
(mmax)):
if mmax[i]
== mmin[i]
:#如果最大值等於最小值
mmax[i]
+=0.000001
res =
(data - mmin)
/(mmax - mmin)
#這個是歸一化核心公式
res = np.c_[res,labels]
#輸出的是歸一化後的資料和標籤
print
(res)
資料歸一化
近來，在網上搜了很多關於資料歸一化的帖子，看了太多，很雜，這裡整理總結一下 歸一化是一種資料預處理方法，就是要把你需要處理的資料經過處理後 通過某種演算法 限制在你需要的一定範圍內，為了後面資料處理的方便，其次是保正程式執行時 收斂加快。比如說，對於奇異樣本資料 所謂奇異樣本資料資料指的是相對於其他...
資料歸一化
如果對神經網路的 輸入和 輸出數 據進行 一定的 預處理 可以加快網路的訓練速 度 matlab 中 提供的預 處理方 法有歸一化處理 將每組資料都變為 1 至 1 之 間數 所涉及 的函式有 premnmx postmnmx tramnmx 標準化處理 將每組資料都為均 值為 0,方 差 為 1 ...
資料歸一化
資料標準化 歸一化 處理是資料探勘的一項基礎工作，不同評價指標往往具有不同的量綱和量綱單位，這樣的情況會影響到資料分析的結果，為了消除指標之間的量綱影響，需要進行資料標準化處理，以解決資料指標之間的可比性。原始資料經過資料標準化處理後，各指標處於同一數量級，適合進行綜合對比評價。以下是兩種常用的歸一...