Conteúdo do curso Lição 14 de 246 · Módulo 1: Python para este curso
Módulo 1: Python para este curso

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)
Sua vez

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.