Я потерян в нормировании, может кто-нибудь направит меня, пожалуйста.
У меня есть минимальное и максимальное значения, скажем, -23,89 и 7,54990767 соответственно.
Если я получу значение 5,6878, как я могу масштабировать это значение по шкале от 0 до 1.
normalization
Angelo
источник
источник
Ответы:
Если вы хотите нормализовать ваши данные, вы можете сделать это так, как вы предлагаете, и просто рассчитать следующее:
гдех = ( х1, . , , , хN) и Zя теперь ваш ят ч нормализованный данные. В качестве подтверждения концепции (хотя вы не просили об этом) приведем
R
код и сопровождающий график, чтобы проиллюстрировать этот момент:источник
illustrate the point
ваш (правильный) ответ?Общая однострочная формула для линейного масштабирования значений данных с учетом min и max в новый произвольный диапазон min ' to max' имеет вид
источник
a
иb
константы, а затем просто применитьnewvalue = a * value + b
.a = (max'-min')/(max-min)
иb = max - a * max
b = max' - a * max
илиb = min' - (a * min)
u = -1 + 2.*(u - min(u))./(max(u) - min(u));
.Вот моя реализация PHP для нормализации:
Но пока я строил свои собственные искусственные нейронные сети, мне нужно было преобразовать нормализованный вывод обратно в исходные данные, чтобы получить хороший читаемый вывод для графика.
Денормализация использует следующую формулу:
источник
Деление на ноль
Следует иметь в виду, что
max - min
может быть равно нулю. В этом случае вы не захотите выполнять это разделение.Это может произойти, когда все значения в списке, который вы пытаетесь нормализовать, совпадают. Чтобы нормализовать такой список, каждый элемент будет
1 / length
.Пример:
источник
normalize([12, 20, 10])
выходы[0.2, 1.0, 0.0]
, которые вы получите(val - min) / (max - min)
.ответ правильный, но у меня есть предположение, что если ваши тренировочные данные окажутся за пределами допустимого числа? Вы могли бы использовать технику раздавливания. это гарантированно никогда не выйдет за пределы диапазона. а не это
я рекомендую использовать это
с раздавливанием, как это в минимальной и максимальной дальности
и размер ожидаемого разрыва вне диапазона прямо пропорционален степени уверенности в том, что будут значения вне диапазона.
Для получения дополнительной информации вы можете Google: сжатие чисел вне диапазона и обратитесь к книге подготовки данных "Дориан Пайл"
источник
Попробуй это. Это соответствует функциональной шкале
источник