Temario Lección 14 de 246 · Módulo 1: Python para este curso
Módulo 1: Python para este curso

Media, dispersión y normalización

Por qué importa Las redes entrenan mal cuando una entrada está en los miles y otra cerca de cero. Normalizar pone todas las entradas en pie de igualdad.

La media es el promedio. La dispersión (desviación típica) es más o menos lo lejos que están los valores de la media en un día normal. Para normalizar una columna: resta su media, y luego divide por su dispersión. Después la columna tiene media 0 y dispersión 1.

Números diminutos

Tamaños de casas de 50, 100, 150 metros cuadrados: media 100, dispersión de unos 40.8. Normalizados: unos -1.22, 0, 1.22. Dormitorios 1, 2, 3: media 2, dispersión de unos 0.82, normalizados a los mismos -1.22, 0, 1.22. Ahora las dos entradas hablan la misma escala.

Desviación típica: la raíz cuadrada de la media de las distancias al cuadrado respecto a la media. np.std la calcula.

Una trampa: una columna en la que todos los valores son iguales tiene dispersión 0, y dividir por 0 lo rompe. Deja esa columna como ceros.

Resumen (x - media) / dispersión, por columna, con una protección para la dispersión 0.

Palabras y símbolos de esta lección
array
un bloque de números de NumPy, todos del mismo tipo, que hace las cuentas sobre cada elemento a la vez
media, dispersión
el promedio, y más o menos lo lejos que están los valores de él (la desviación típica)
Tu turno

Escribe normalise(X) para un array 2D: cada columna queda con media 0 y dispersión 1. Una columna con dispersión 0 se convierte en todo ceros. Sin bucles sobre las filas.

¿Has visto un problema en esta lección? Avísanos · Preguntar sobre esta lección

Este ejercicio se abre pronto

Termina la lección anterior y esta se desbloquea. Todo el curso es gratis, no hace falta cuenta, y puedes leer esta lección ahora mismo.