熱線電話：13121318867

登錄
首頁精彩閱讀數據預處理之數據歸一化
數據預處理之數據歸一化
2018-02-28
收藏

數據預處理之數據歸一化

一、簡單縮放

分為：最大值縮放和均值縮放

在簡單縮放中，我們的目的是通過對數據的每一個維度的值進行重新調節（這些維度可能是相互獨立的），使得最終的數據向量落在[0,1]或[? 1,1]的區間內（根據數據情況而定）。

例子:在處理自然圖像時，我們獲得的像素值在[0,255]區間中，常用的處理是將這些像素值除以255，使它們縮放到[0,1]中。

二、逐樣本均值消減(也稱為移除直流分量)

如果你的數據是平穩的（即數據每一個維度的統計都服從相同分布），那么你可以考慮在每個樣本上減去數據的統計平均值(逐樣本計算)。

例子：對于圖像，這種歸一化可以移除圖像的平均亮度值(intensity)。很多情況下我們對圖像的照度并不感興趣，而更多地關注其內容，這時對每個數據點移除像素的均值是有意義的。

注意：雖然該方法廣泛地應用于圖像，但在處理彩色圖像時需要格外小心，具體來說，是因為不同色彩通道中的像素并不都存在平穩特性。

例如 

Caffe demo 里頭的 classification_demo.m腳本文件中對原始數據有這樣的處理

im_data = im_data - mean_data; 

三、特征標準化(使數據集中所有特征都具有零均值和單位方差)

特征標準化的具體做法是：首先計算每一個維度上數據的均值（使用全體數據計算），之后在每一個維度上都減

去該均值。下一步便是在數據的每一維度上除以該維度上數據的標準差。

簡單的說就是：減去原始數據的均值再除以原始數據的標準差

例子

x = [ones(m, 1), x];

%x包括2個特征值和1個偏置項，所以矩陣x的規模是  x:[mX3]

sigma = std(x);%X的標準差；mu = mean(x);%X的均值；x(:,2) = (x(:,2) - mu(2))./ sigma(2);x(:,3) = (x(:,3) - mu(3))./ sigma(3);


CDA數據分析師考試相關入口一覽（建議收藏）：

? 想報名CDA認證考試，點擊>>>   “CDA報名” 了解CDA考試詳情；

? 想學習CDA考試教材，點擊>>> “CDA教材” 了解CDA考試詳情；

? 想加入CDA考試題庫，點擊>>> “CDA題庫” 了解CDA考試詳情；

? 想了解CDA考試含金量，點擊>>> “CDA含金量” 了解CDA考試詳情；

特征 Caffe

數據分析咨詢請掃描二維碼

若不方便掃碼，搜微信號：CDAshujufenxi

上一篇商業活動中數據重要性分析
下一篇初學者如何從零學習人工智能
數據分析師考試動態
CDA報考指南
數據分析學習
數據分析師資訊
更多

CDA教育閉環

常見問題

關于我們

CDA數據分析師公眾號

  • CDA數據分析師公眾號

CDA考試中心小程序

  • CDA考試中心服務號

CDA數據分析師App下載

  • CDA數據分析師App下載
Copyright © 2015-2021, www.ruiqisteel.com All Rights Reserved. CDA數據分析師(北京國富如荷網絡科技有限公司) 版權所有 京ICP備11001960號-9 京公網安備 11010802034615號 經營許可證編號：京B2-20210330
聯系電話：13321103290 (微信同號)

OK
客服在線
立即咨詢
日韩人妻系列无码专区视频,先锋高清无码,无码免费视欧非,国精产品一区一区三区无码
客服在線
立即咨詢