Mittelwert, Streuung und Normalisierung
Warum das wichtig ist Netzwerke trainieren schlecht, wenn ein Input in den Tausenden liegt und ein anderer nahe bei Null ist. Normalisieren stellt jeden Input auf die gleiche Basis.
Der mean ist der Durchschnitt. Der spread (Standardabweichung) ist etwa der Abstand der Werte vom Durchschnitt an einem typischen Tag. Um eine Spalte zu normalisieren: subtrahiere ihren mean, dann teile durch ihren spread. Danach hat die Spalte einen mean von 0 und einen spread von 1.
Kleine Zahlen
Hausgrößen 50, 100, 150 Quadratmeter: Mittelwert 100, Streuung etwa 40.8. Normalisiert: etwa -1.22, 0, 1.22. Schlafzimmer 1, 2, 3: Mittelwert 2, Streuung etwa 0.82, normalisiert auf dieselben -1.22, 0, 1.22. Jetzt sprechen beide Eingaben dieselbe Skala.
Standard deviation: die Quadratwurzel des durchschnittlichen quadratischen Abstands vom Mittelwert. np.std berechnet es.
Eine Falle: eine Spalte, in der jeder Wert gleich ist, hat eine Streuung von 0, und die Division durch 0 führt zu einem Fehler. Lass eine solche Spalte als Nullen.
Zusammenfassung (x - mean) / spread, pro Spalte, mit einer Absicherung für spread 0.
Wörter und Symbole in dieser Lektion
- array
- a NumPy Block von Zahlen, alle vom gleichen Typ, der Mathe auf jedem Element gleichzeitig macht
- mittelwert, Streuung
- der Durchschnitt und etwa wie weit Werte davon abweichen (Standardabweichung)
Schreibe normalise(X) für ein 2D array: jede Spalte erhält den Mittelwert 0 und die Streuung 1. Eine Spalte mit Streuung 0 wird zu allen Nullen. Keine Schleifen über Zeilen.
Ein Problem in dieser Lektion entdeckt? Melde es · Frage zu dieser Lektion
Diese Übung öffnet bald
Beende die vorherige Lektion, damit diese freigeschaltet wird. Der ganze Kurs ist kostenlos, kein Konto erforderlich, und du kannst diese Lektion jetzt direkt lesen.
Dieser Browser blockiert Cookies für learn.floati.life, daher können hier beendigte Lektionen nicht in der richtigen Reihenfolge geöffnet werden. Erlaube Cookies für diese Seite und lade sie neu.