HELLO WORLD--一起加油(🍺)!|

kingwzun

园龄:3年6个月粉丝:111关注:0

2023-08-17 22:33阅读: 30评论: 0推荐: 0

归一化和标准化

解释概念

https://www.jianshu.com/p/95a8f035c86c

灵魂提问2个问题:

(1)是对每一个样本进行归一化(按行归一化)还是对每一个维度进行归一化(按列归一化)?
(2)是将训练集和测试集分别归一化还是放在一起进行归一化?

答案
(1) 按列
(2) 一般分来归一化,分开归一化效果更好

代码

手写

train_x为2维数据,一维数据直接调用normalization函数即可。

# 按列进行归一化
def normalization(data):
_range = np.max(abs(data))
return data / _range
train_x=np.load("train_x.npy")
normalized_data = np.apply_along_axis(normalization, axis=0, arr=train_x)

sklearn库

from sklearn.preprocessing import MinMaxScaler, StandardScaler
train_x=np.load("train_x.npy")
# 创建最小-最大缩放器
minmax_scaler = MinMaxScaler()
# 创建标准化器
standard_scaler = StandardScaler()
# 对 train_x 进行最小-最大归一化
train_x_minmax = minmax_scaler.fit_transform(train_x)
# 对 train_x 进行标准化
train_x_standardized = standard_scaler.fit_transform(train_x)

本文作者:kingwzun

本文链接:https://www.cnblogs.com/kingwz/p/17639077.html

版权声明:本作品采用知识共享署名-非商业性使用-禁止演绎 2.5 中国大陆许可协议进行许可。

posted @   kingwzun  阅读(30)  评论(0编辑  收藏  举报
历史上的今天:
2022-08-17 Codeforces Round 81 Same GCDs
2021-08-17 dp动态规划 背包问题
点击右上角即可分享
微信分享提示
评论
收藏
关注
推荐
深色
回顶
收起