Media, dispersione e normalizzazione
Perché è importante Le reti si addestrano male quando un input è nelle migliaia e un altro è vicino a zero. Normalizzare mette ogni input sullo stesso piano.
La media è il valore medio. La dispersione (deviazione standard) è più o meno quanto i valori si discostano dalla media in un giorno tipico. Per normalizzare una colonna: sottrai la sua media, poi dividi per la sua dispersione. Dopo, la colonna ha media 0 e dispersione 1.
Numeri piccolissimi
Superfici di case di 50, 100, 150 metri quadrati: media 100, dispersione circa 40.8. Normalizzate: circa -1.22, 0, 1.22. Camere da letto 1, 2, 3: media 2, dispersione circa 0.82, normalizzate agli stessi -1.22, 0, 1.22. Ora entrambi gli input parlano la stessa scala.
Deviazione standard: la radice quadrata della media delle distanze al quadrato dalla media. La calcola np.std.
Una trappola: una colonna in cui ogni valore è uguale ha dispersione 0, e dividere per 0 si rompe. Lascia una colonna del genere come zeri.
Riepilogo (x - media) / dispersione, per colonna, con una protezione per la dispersione 0.
Parole e simboli di questa lezione
- array
- un blocco NumPy di numeri, tutti dello stesso tipo, che fa i calcoli su ogni elemento insieme
- media, dispersione
- il valore medio, e più o meno quanto i valori se ne discostano (deviazione standard)
Scrivi normalise(X) per un array 2D: ogni colonna riceve media 0 e dispersione 1. Una colonna con dispersione 0 diventa tutta zeri. Niente cicli sulle righe.
Hai notato un problema in questa lezione? Segnalalo · Chiedi qualcosa su questa lezione
Questo esercizio si apre presto
Finisci la lezione precedente e questa si sblocca. L'intero corso è gratuito, senza account, e puoi leggere questa lezione subito.
Questo browser blocca i cookie per learn.floati.life, quindi le lezioni che hai finito qui non si possono aprire in ordine. Consenti i cookie per questo sito e ricarica.