Média, dispersão e normalização
Por que isso importa Redes treinam mal quando uma entrada está nos milhares e outra está perto de zero. Normalizar coloca cada entrada no mesmo patamar.
A mean é a média. O spread (desvio padrão) é aproximadamente o quanto os valores ficam longe da média em um dia típico. Para normalizar uma coluna: subtraia a média dela, depois divida pelo spread. Depois a coluna tem média 0 e spread 1.
Números pequenos
Tamanhos de casas 50, 100, 150 metros quadrados: média 100, dispersão cerca de 40.8. Normalizados: cerca de -1.22, 0, 1.22. Quartos 1, 2, 3: média 2, dispersão cerca de 0.82, normalizados para o mesmo -1.22, 0, 1.22. Agora ambas as entradas falam a mesma escala.
Desvio padrão: a raiz quadrada da média da distância ao quadrado da média. np.std calcula isso.
Uma armadilha: uma coluna onde cada valor é o mesmo tem spread 0, e dividir por 0 quebra. Deixe tal coluna como zeros.
Resumo (x - mean) / spread, por coluna, com uma proteção para spread 0.
Palavras e símbolos nesta lição
- array
- a bloco NumPy de números, todos do mesmo tipo, que faz cálculos em cada item de uma vez
- média, dispersão
- a média, e aproximadamente o quão longe os valores estão dela (desvio padrão)
Escreva normalise(X) para um array 2D: cada coluna recebe média 0 e dispersão 1. Uma coluna com dispersão 0 torna-se tudo zeros. Sem laços sobre as linhas.
Viu um problema nesta lição? Reporte-o · Pergunte sobre esta lição
Este exercício abre em breve
Termine a lição anterior para que esta seja desbloqueada. O curso inteiro é gratuito, não precisa de conta, e você pode ler esta lição agora mesmo.
Este navegador está bloqueando cookies para learn.floati.life, então as lições que você terminou aqui não podem abrir em ordem. Permita cookies para este site e recarregue.