建站
咨詢
售后
建站咨詢
新聞中心
Numpy數(shù)組歸一化是一種將數(shù)組中的值縮放到指定范圍（通常為[0,1]或[1,1]）的方法，這在許多機(jī)器學(xué)習(xí)和數(shù)據(jù)分析任務(wù)中非常有用，因?yàn)樗梢韵龜?shù)據(jù)之間的量綱差異，使得不同特征之間具有可比性。
以下是一些常見的Numpy數(shù)組歸一化方法：
1、最小最大歸一化（MinMax Normalization）
最小最大歸一化是將數(shù)組中的每個(gè)值減去最小值，然后除以最大值與最小值之差，這種方法可以將數(shù)組的值縮放到[0,1]的范圍內(nèi)。
公式：x_normalized = (x min) / (max min)
2、標(biāo)準(zhǔn)化（Standardization）
標(biāo)準(zhǔn)化是通過計(jì)算數(shù)組的均值和標(biāo)準(zhǔn)差，然后將每個(gè)值減去均值并除以標(biāo)準(zhǔn)差來實(shí)現(xiàn)的，這種方法可以將數(shù)組的值縮放到均值為0，標(biāo)準(zhǔn)差為1的范圍內(nèi)。
公式：x_normalized = (x mean) / std
3、Zscore歸一化（Zscore Normalization）
Zscore歸一化是通過計(jì)算數(shù)組的均值和標(biāo)準(zhǔn)差，然后將每個(gè)值減去均值并除以標(biāo)準(zhǔn)差，最后再加上均值來實(shí)現(xiàn)的，這種方法可以將數(shù)組的值縮放到均值為0，標(biāo)準(zhǔn)差為1的范圍內(nèi)。
公式：x_normalized = (x mean) / std + mean
4、小數(shù)定標(biāo)（Decimal Scaling）
小數(shù)定標(biāo)是將數(shù)組中的每個(gè)值除以一個(gè)給定的小數(shù)，這種方法可以將數(shù)組的值縮放到任意指定的范圍內(nèi)。
公式：x_normalized = x / dec
以下是使用Numpy實(shí)現(xiàn)這些歸一化方法的示例代碼：
import numpy as np
創(chuàng)建一個(gè)示例數(shù)組
arr = np.array([10, 20, 30, 40, 50])
最小最大歸一化
min_val = arr.min()
max_val = arr.max()
arr_normalized_minmax = (arr min_val) / (max_val min_val)
print("MinMax Normalization:", arr_normalized_minmax)
標(biāo)準(zhǔn)化
mean_val = arr.mean()
std_val = arr.std()
arr_normalized_standardization = (arr mean_val) / std_val
print("Standardization:", arr_normalized_standardization)
Zscore歸一化
arr_normalized_zscore = (arr mean_val) / std_val + mean_val
print("Zscore Normalization:", arr_normalized_zscore)
小數(shù)定標(biāo)
dec = 2.0
arr_normalized_decimal = arr / dec
print("Decimal Scaling:", arr_normalized_decimal)
以上代碼首先導(dǎo)入了Numpy庫，并創(chuàng)建了一個(gè)示例數(shù)組，分別使用最小最大歸一化、標(biāo)準(zhǔn)化、Zscore歸一化和小數(shù)定標(biāo)方法對(duì)數(shù)組進(jìn)行歸一化，并將結(jié)果打印出來。
當(dāng)前名稱：Numpy數(shù)組歸一化
網(wǎng)站地址：http://m.fisionsoft.com.cn/article/djoieig.html
