Programme Leçon 14 sur 246 · Module 1 : Python pour ce cours
Module 1 : Python pour ce cours

Moyenne, dispersion et normalisation

Pourquoi c'est important Les réseaux s'entraînent mal quand une entrée est dans les milliers et une autre proche de zéro. Normaliser met chaque entrée sur un pied d'égalité.

La moyenne, c'est la valeur moyenne. La dispersion (écart type), c'est à peu près la distance à laquelle les valeurs se trouvent habituellement de la moyenne. Pour normaliser une colonne : soustrais sa moyenne, puis divise par sa dispersion. Ensuite, la colonne a une moyenne de 0 et une dispersion de 1.

De tout petits nombres

Des surfaces de maisons de 50, 100, 150 mètres carrés : moyenne 100, dispersion environ 40.8. Normalisées : environ -1.22, 0, 1.22. Des chambres 1, 2, 3 : moyenne 2, dispersion environ 0.82, normalisées aux mêmes -1.22, 0, 1.22. Maintenant les deux entrées parlent à la même échelle.

Écart type : la racine carrée de la moyenne des carrés des distances à la moyenne. np.std le calcule.

Un piège : une colonne où toutes les valeurs sont les mêmes a une dispersion de 0, et diviser par 0 casse tout. Laisse une telle colonne à zéro.

Récap (x - moyenne) / dispersion, par colonne, avec une protection pour une dispersion de 0.

Mots et symboles de cette leçon
tableau
un bloc NumPy de nombres, tous du même type, qui fait des maths sur chaque élément d'un coup
moyenne, dispersion
la moyenne, et à peu près à quelle distance les valeurs s'en trouvent (écart type)
À ton tour

Écris normalise(X) pour un tableau 2D : chaque colonne reçoit une moyenne de 0 et une dispersion de 1. Une colonne de dispersion 0 devient toute à zéro. Pas de boucle sur les lignes.

Tu as repéré un problème dans cette leçon ? Signale-le · Pose une question sur cette leçon

Cet exercice s'ouvre bientôt

Termine la leçon précédente pour débloquer celle-ci. Tout le cours est gratuit, aucun compte n'est requis, et tu peux lire cette leçon dès maintenant.