-
2019-09-13 02:06:25
代码
import numpy as np def normalization(x): """" 归一化到区间{0,1] 返回副本 """ _range = np.max(x) - np.min(x) return (x - np.min(x)) / _range def standardization(x): """" 将输入x 正态标准化 (x - mu) / sigma ~ N(0,1) 返回副本 """ mu = np.mean(x, axis=0) sigma = np.std(x, axis=0) return (x - mu) / sigma YUAN = np.random.randint(3, 70, size=5) a = normalization(YUAN) b = standardization(YUAN) print(YUAN, "normalization:", a) print(YUAN is a) print(YUAN, "standardization:", b) print(YUAN is b)结果
[33 50 60 12 32] normalization: [0.4375 0.79166667 1. 0. 0.41666667] False [33 50 60 12 32] standardization: [-0.26647587 0.76308999 1.36871697 -1.53829253 -0.32703857] Falsesklearn.preprocessing.scale 能沿某个轴标准化
import numpy as np from sklearn import preprocessing def standardization(x): """" 将输入x 正态标准化 (x - mu) / sigma ~ N(0,1) 返回副本 """ mu = np.mean(x, axis=0) sigma = np.std(x, axis=0) return (x - mu) / sigma YUAN = np.random.randint(3, 70, size=5) a = standardization(YUAN) b = preprocessing.scale(YUAN) print(YUAN, "normalization:", a) print(YUAN, "preprocessing.scale:", b) print(a == b)结果
[ 8 14 64 51 61] normalization: [-1.32656065 -1.07468204 1.02430632 0.47856935 0.89836702] [ 8 14 64 51 61] preprocessing.scale: [-1.32656065 -1.07468204 1.02430632 0.47856935 0.89836702] [ True True True True True]更多相关内容 -
浅谈利用numpy对矩阵进行归一化处理的方法
2020-09-20 06:23:52今天小编就为大家分享一篇浅谈利用numpy对矩阵进行归一化处理的方法，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧 -
python numpy 按行归一化的实例
2020-12-23 17:11:08以上这篇python numpy 按行归一化的实例就是小编分享给大家的全部内容了，希望能给大家一个参考，也希望大家多多支持软件开发网。 您可能感兴趣的文章:详解python实现数据归一化处理的方式：（0,1）标准化Python... -
Python numpy 归一化和标准化 代码实现
2019-01-14 13:29:04归一化 （Normalization）、标准化 （Standardization）和中心化/零均值化 （Zero-centered） def normalization(data): _range = np.max(data) - np.min(data) return (data - np.min(data)) / _range def ...展开全文归一化 （Normalization）、标准化 （Standardization）和中心化/零均值化 （Zero-centered）
def normalization(data): _range = np.max(data) - np.min(data) return (data - np.min(data)) / _range def standardization(data): mu = np.mean(data, axis=0) sigma = np.std(data, axis=0) return (data - mu) / sigma
更新，如果归一化后的范围是[-1, 1]的话，可以将normalization()函数改为：
def normalization(data): _range = np.max(abs(data)) return data / _range
此外，我看了一些GitHub上面的代码，发现很多人在预处理输入到神经网络中的数据时，使用的normalization函数其实是进行了标准化，而不是归一化，比如：
-
numpy实现归一化
2021-09-26 10:12:46主要是通过numpy的操作实现以下公式： x∗=x−min(x)max(x)−min(x)x^* = \frac{x-min(x)}{max(x)-min(x)}x∗=max(x)−min(x)x−min...2、归一化 #归一化 X_nor = (X - X.min(axis=0)) / (X.max(axis=0) - X.min(axis=0展开全文主要是通过numpy的操作实现以下公式：
x ∗ = x − m i n ( x ) m a x ( x ) − m i n ( x ) x^* = \frac{x-min(x)}{max(x)-min(x)} x∗=max(x)−min(x)x−min(x)1、导入库
import numpy as np X = np.array([[-1, 2], [-0.5, 6], [0, 10], [1, 18]])2、归一化
#归一化 X_nor = (X - X.min(axis=0)) / (X.max(axis=0) - X.min(axis=0)) X_nor3、逆转归一化
# 逆转归一化 X_returned = X_nor * (X.max(axis=0) - X.min(axis=0)) + X.min(axis=0) X_returned
-
利用numpy求归一化
2019-10-23 10:49:07利用numpy求归一化 归一化公式为 import numpy as np x = np.array([[-1,2],[-0.5,6],[0,10],[1,18]]) print(x) #归一化 x_nor = (x - x.min(axis=0))/(x.max(axis=0)-x.min(axis=0)) #（某个元素-它这列...展开全文利用numpy求归一化
归一化公式为：
import numpy as np x = np.array([[-1,2],[-0.5,6],[0,10],[1,18]]) print(x) #归一化 x_nor = (x - x.min(axis=0))/(x.max(axis=0)-x.min(axis=0)) #（某个元素-它这列最小的数）/（它这列最大的数-它这列最小的数） print(x_nor) #逆转归一化 x_return = x_nor*(x.max(axis=0)-x.min(axis=0))+x.min(axis=0) print(x_return)[[-1. 2. ] [-0.5 6. ] [ 0. 10. ] [ 1. 18. ]] [[0. 0. ] [0.25 0.25] [0.5 0.5 ] [1. 1. ]] [[-1. 2. ] [-0.5 6. ] [ 0. 10. ] [ 1. 18. ]]
-
Numpy之数据归一化
2019-08-20 09:19:50最值归一化： 把所有的数据映射到0-1之间 适用于有明显边界的情况，受Outlier影响大 均值方差归一化(Standardization): 把所有数据归一到均值为0方差为1的数据中 既适用于数据没有明显的边界，有可能存在极端数据值... -
用numpy实现FFT归一化
2020-12-05 09:45:31刚开始使用numpy包，并开始用一个简单的任务来计算输入信号的FFT。代码如下：import numpy as npimport matplotlib.pyplot as plt#Some constantsL = 128p = 2X = 20x = np.arange(-X/2,X/2,X/L)fft_x = np.linspace... -
numpy按行归一化，numpy按列归一化
2021-12-02 22:48:10按列归一化： import numpy as np x = np.array([[10, 10, 10], [ 1, 5, 3], [ 8, 7, 1]]) x_norm = x / x.max(axis=0) # 0列，1行。 这个要具体问题具体分析 print(x_norm) # [[ 1. 1. 1. ] # [ 0.1 0.5 ... -
python 实现对数据集的归一化的方法(0-1之间)
2020-12-31 10:53:40多数情况下，需要对数据集进行归一化处理，再对数据进行分析 #首先，引入两个库 ，numpy,sklearn from sklearn.preprocessing import MinMaxScaler import numpy as np #将csv文件导入矩阵当中 my_matrix = np.... -
NumPy数据的归一化
2019-06-13 16:31:00NumPy数据的归一化 数据的归一化 首先我们来看看归一化的概念: 数据的标准化（normalization）和归一化 数据的标准化（normalization）是将数据按比例缩放，使之落入一个小的特定区间。在某些比较和... -
NumPy 数据归一化、可视化
2020-10-11 21:02:02仅使用 NumPy，下载数据，归一化，使用 seaborn 展示数据分布。下载数据import numpy as np url = 'https://archive.ics.u... -
利用numpy对矩阵进行归一化处理的方法
2018-03-06 17:11:36本文不讲归一化原理，只介绍实现（事实上看了代码就会懂原理），代码如下： def Normalize(data): m = np.mean(data) mx = max(data) mn = min(data) return [(float(i) - m) / (mx - mn) for i in data] ... -
numpy 矩阵归一化
2018-01-18 18:09:00new_value = (value - min)/(max-min) def normalization(datingDatamat): max_arr = datingDatamat.max(axis=0) min_arr = datingDatamat.min(axis=0) ranges = max_arr - min_arr norDataSet = zeros(... -
numpy 将数据npdarr 归一化到[min,max]区间的方法
2019-09-13 01:57:04代码 import numpy as np def NormMinandMax(npdarr, min=0, max=1): ... 将数据npdarr 归一化到[min,max]区间的方法 返回 副本 """ arr = npdarr.flatten() Ymax = np.max(arr) # 计算最大值 Ymin = np.mi... -
numpy含nan值进行归一化操作
2020-08-07 17:34:28import numpy as np A = np.array([[ 7, 4, 5, 7000], [ 1, 900, 9, nan], [ 5, -1000, nan, 100], [nan, nan, 3, 1000]]) #Compute NaN-norms L1_norm = np.nansum(np.abs(A), axis=1) L2_norm = -
python numpy 按行归一化
2017-11-21 22:52:16import numpy as np Z=np.random.random((5,5)) Zmax,Zmin=Z.max(axis=0),Z.min(axis=0) Z=(Z-Zmin)/(Zmax-Zmin) print(Z) -
Python中Numpy数组的归一化处理
2018-04-05 22:35:48本节给出Python中将Numpy数组实现(0,1)归一化的代码，其它种类的归一化再遇到时再进行补充。所谓（0,1）归一化，就是通过遍历feature vector里的每一个特征值的数据，将Max和Min的记录下来，并通过Max-Min作为基数... -
numpy中对随机数据矩阵进行归一化处理
2020-03-03 07:41:33目标如题：我们将使用numpy中对随机数据矩阵进行归一化处理。 需要用到的知识点包括： random模块生成随机数矩阵 使用np的.mean函数和.std函数对数据进行归一化（数据-平均）/标准差 处理 使用axis参数指定按行计算... -
每通道以numpy为单位对一批图像进行归一化处理
2020-12-11 10:16:32在我想对每个频道的图像进行归一化处理。有没有比下面这些更性感的方式来做这件事？特别是我不喜欢的是频道上的循环，我发现必须这样做很奇怪np.min.最小值以及np.最大值在切片上。同样，这是硬编码，只工作在张量与... -
tensorflow keras numpy 数据 规范化、标准化、归一化
2022-01-05 15:17:25numpy 数据 规范化、归一化 import numpy as np 标准化 mean = np.mean(train_data, axis=0) # 均值 train_data -= mean # 训练集 test_data -= mean # 测试集 std = np.std(train_data, axis=0) # 标准差 train_... -
NumPy学习笔记（4）--数据归一化
2017-02-19 19:10:52# 归一化，将矩阵规格化到0-1之间import numpy as np a = 10*np.random.random((5, 5)) print(a) print('---') amin, amax = a.min(), a.max() a = (a-amin)/(amax-amin) # (data-最小)/(最大-最小) print(a) -
Numpy数组按行或按列归一化
2018-09-19 21:27:30给定一个数组，将各列（行）归一化（缩放到 [0,1] ） 方法一 import numpy as np x = np.array([[1000, 10, 0.5], [ 765, 5, 0.35], [ 800, 7, 0.09]]) x_normed = x / x.max(axis=0) print(x_no... -
numpy实现二维list z-sore归一化
2020-03-24 23:23:28搜了一顿也没有用numpy实现的，都是直接用学习框架实现好的函数。 我把z-score转化成了np的矩阵运算。 def Normalize(raw_list): np_data=np.array(raw_list) length=len(raw_list) #列均值 means=np.var(np...
