Programma Les 14 van 246 · Module 1: Python voor deze cursus
Module 1: Python voor deze cursus

Gemiddelde, spreiding en normaliseren

Waarom dit ertoe doet Networks trainen slecht wanneer de ene input in de duizenden is en de andere dicht bij nul ligt. Normaliseren zet elke input op hetzelfde niveau.

De mean is het gemiddelde. De spread (standard deviation) is ongeveer hoe ver waarden van het gemiddelde afstaan op een typische dag. Om een kolom te normaliseren: trek het gemiddelde ervan af, en deel dan door de spread. Daarna heeft de kolom een mean 0 en spread 1.

Tintalletjes

Huisgroottes 50, 100, 150 vierkante meter: gemiddelde 100, spreiding ongeveer 40.8. Genormaliseerd: ongeveer -1.22, 0, 1.22. Slaapkamers 1, 2, 3: gemiddelde 2, spreiding ongeveer 0.82, genormaliseerd naar dezelfde -1.22, 0, 1.22. Nu spreken beide inputs dezelfde schaal.

Standaarddeviatie: de wortel van de gemiddelde kwadratische afstand van het gemiddelde. np.std berekent het.

One valkuil: een kolom waar elke waarde hetzelfde is heeft een spreiding van 0, en delen door 0 zorgt voor een fout. Laat zo'n kolom als nullen staan.

Samenvatting (x - mean) / spread, per kolom, met een beveiliging voor spread 0.

Woorden en symbolen in deze les
array
a NumPy blok van getallen, allemaal van hetzelfde type, dat wiskunde doet op elk item tegelijk
gemiddelde, spreiding
het gemiddelde, en ongeveer hoe ver waarden ervan afwijken (standaarddeviatie)
Jij bent aan de beurt

Schrijf normalise(X) voor een 2D array: elke kolom krijgt gemiddelde 0 en spreiding 1. Een kolom met spreiding 0 wordt volledig nul. Geen lussen over rijen.

Een probleem ontdekt in deze les? Meld het · Vraag naar deze les

Deze oefening opent binnenkort

Maak de les ervoor af voordat deze wordt ontgrendeld. De hele cursus is gratis, geen account nodig, en je kunt deze les nu lezen.