python數(shù)據(jù)歸一化的函數(shù)嗎

目測(cè)是autonorm.py中l(wèi)in 17 normdataset=zeros(shape(dataset)) 這一句 shape(dataset)返回的是元組，但是zeros( args )需要的是整形參數(shù)，做個(gè)類型轉(zhuǎn)換就ok了

隆子網(wǎng)站制作公司哪家好，找創(chuàng)新互聯(lián)！從網(wǎng)頁(yè)設(shè)計(jì)、網(wǎng)站建設(shè)、微信開發(fā)、APP開發(fā)、自適應(yīng)網(wǎng)站建設(shè)等網(wǎng)站項(xiàng)目制作，到程序開發(fā)，運(yùn)營(yíng)維護(hù)。創(chuàng)新互聯(lián)從2013年創(chuàng)立到現(xiàn)在10年的時(shí)間，我們擁有了豐富的建站經(jīng)驗(yàn)和運(yùn)維經(jīng)驗(yàn)，來(lái)保證我們的工作的順利進(jìn)行。專注于網(wǎng)站建設(shè)就選創(chuàng)新互聯(lián)。

在python上數(shù)據(jù)歸一化后怎樣還原

數(shù)據(jù)歸一化方法有兩種形式，一種是把數(shù)變?yōu)椋?，1）之間的小數(shù)，一種是把有量綱表達(dá)式變?yōu)闊o(wú)量綱表達(dá)式。1、把數(shù)變?yōu)椋?，1）之間的小數(shù)主要是為了數(shù)據(jù)處理方便提出來(lái)的，把數(shù)據(jù)映射到0～1范圍之內(nèi)處理，更加便捷快速，應(yīng)該歸到數(shù)字信號(hào)處理范疇之內(nèi)。2、是把有量綱表達(dá)式變?yōu)闊o(wú)量綱表達(dá)式歸一化是一種簡(jiǎn)化計(jì)算的方式，即將有量綱的表達(dá)式，經(jīng)過(guò)變換，化為無(wú)量綱的表達(dá)式，成為純量。

PYTHON實(shí)現(xiàn)對(duì)CSV文件多維不同單位數(shù)據(jù)的歸一化處理

1）線性歸一化

這種歸一化比較適用在數(shù)值比較集中的情況，缺陷就是如果max和min不穩(wěn)定，很容易使得歸一化結(jié)果不穩(wěn)定，使得后續(xù)的效果不穩(wěn)定，實(shí)際使用中可以用經(jīng)驗(yàn)常量來(lái)代替max和min。

2）標(biāo)準(zhǔn)差標(biāo)準(zhǔn)化

經(jīng)過(guò)處理的數(shù)據(jù)符合標(biāo)準(zhǔn)正態(tài)分布，即均值為0，標(biāo)準(zhǔn)差為1。

3）非線性歸一化

經(jīng)常用在數(shù)據(jù)分化較大的場(chǎng)景，有些數(shù)值大，有些很小。通過(guò)一些數(shù)學(xué)函數(shù)，將原始值進(jìn)行映射。該方法包括log、指數(shù)、反正切等。需要根據(jù)數(shù)據(jù)分布的情況，決定非線性函數(shù)的曲線。

log函數(shù)：x = lg(x)/lg(max)

反正切函數(shù)：x = atan(x)*2/pi

Python實(shí)現(xiàn)

線性歸一化

定義數(shù)組：x = numpy.array(x)

獲取二維數(shù)組列方向的最大值：x.max(axis = 0)

獲取二維數(shù)組列方向的最小值：x.min(axis = 0)

對(duì)二維數(shù)組進(jìn)行線性歸一化：

def max_min_normalization(data_value, data_col_max_values, data_col_min_values):

""" Data normalization using max value and min value

Args:

data_value: The data to be normalized

data_col_max_values: The maximum value of data's columns

data_col_min_values: The minimum value of data's columns

"""

data_shape = data_value.shape

data_rows = data_shape[0]

data_cols = data_shape[1]

for i in xrange(0, data_rows, 1):

for j in xrange(0, data_cols, 1):

data_value[i][j] = \

(data_value[i][j] - data_col_min_values[j]) / \

(data_col_max_values[j] - data_col_min_values[j])

標(biāo)準(zhǔn)差歸一化

定義數(shù)組：x = numpy.array(x)

獲取二維數(shù)組列方向的均值：x.mean(axis = 0)

獲取二維數(shù)組列方向的標(biāo)準(zhǔn)差：x.std(axis = 0)

對(duì)二維數(shù)組進(jìn)行標(biāo)準(zhǔn)差歸一化：

def standard_deviation_normalization(data_value, data_col_means,

data_col_standard_deviation):

""" Data normalization using standard deviation

Args:

data_value: The data to be normalized

data_col_means: The means of data's columns

data_col_standard_deviation: The variance of data's columns

"""

data_shape = data_value.shape

data_rows = data_shape[0]

data_cols = data_shape[1]

for i in xrange(0, data_rows, 1):

for j in xrange(0, data_cols, 1):

data_value[i][j] = \

(data_value[i][j] - data_col_means[j]) / \

data_col_standard_deviation[j]

非線性歸一化（以lg為例）

定義數(shù)組：x = numpy.array(x)

獲取二維數(shù)組列方向的最大值：x.max(axis=0)

獲取二維數(shù)組每個(gè)元素的lg值：numpy.log10(x)

獲取二維數(shù)組列方向的最大值的lg值：numpy.log10(x.max(axis=0))

對(duì)二維數(shù)組使用lg進(jìn)行非線性歸一化：

def nonlinearity_normalization_lg(data_value_after_lg,

data_col_max_values_after_lg):

""" Data normalization using lg

Args:

data_value_after_lg: The data to be normalized

data_col_max_values_after_lg: The maximum value of data's columns

"""

data_shape = data_value_after_lg.shape

data_rows = data_shape[0]

data_cols = data_shape[1]

for i in xrange(0, data_rows, 1):

for j in xrange(0, data_cols, 1):

data_value_after_lg[i][j] = \

data_value_after_lg[i][j] / data_col_max_values_after_lg[j]

本文題目：python反歸一化函數(shù),matlab反歸一化函數(shù)
瀏覽地址：http://www.rwnh.cn/article8/dssdeop.html

成都網(wǎng)站建設(shè)公司_創(chuàng)新互聯(lián)，為您提供自適應(yīng)網(wǎng)站、微信公眾號(hào)、品牌網(wǎng)站建設(shè)、小程序開發(fā)、定制網(wǎng)站、App開發(fā)

廣告

聲明：本網(wǎng)站發(fā)布的內(nèi)容（圖片、視頻和文字）以用戶投稿、用戶轉(zhuǎn)載內(nèi)容為主，如果涉及侵權(quán)請(qǐng)盡快告知，我們將會(huì)在第一時(shí)間刪除。文章觀點(diǎn)不代表本網(wǎng)站立場(chǎng)，如需處理請(qǐng)聯(lián)系客服。電話：028-86922220；郵箱：631063699@qq.com。內(nèi)容未經(jīng)允許不得轉(zhuǎn)載，或轉(zhuǎn)載時(shí)需注明來(lái)源： 創(chuàng)新互聯(lián)