Chương trình học Bài 14 trên tổng số 246 · Mô-đun 1: Python cho khóa học này
Mô-đun 1: Python cho khóa học này

Trung bình, độ phân tán và chuẩn hóa

Vì sao điều này quan trọng Các mạng huấn luyện kém khi một đầu vào ở hàng nghìn còn một đầu vào khác gần không. Chuẩn hóa đặt mọi đầu vào trên cùng một mặt bằng.

Trung bình là giá trị bình quân. Độ phân tán (độ lệch chuẩn) là khoảng các giá trị nằm cách trung bình bao xa vào một ngày bình thường. Để chuẩn hóa một cột: trừ trung bình của nó, rồi chia cho độ phân tán của nó. Sau đó cột có trung bình 0 và độ phân tán 1.

Những con số nhỏ xíu

Diện tích nhà 50, 100, 150 mét vuông: trung bình 100, độ phân tán khoảng 40.8. Sau chuẩn hóa: khoảng -1.22, 0, 1.22. Số phòng ngủ 1, 2, 3: trung bình 2, độ phân tán khoảng 0.82, chuẩn hóa thành cùng -1.22, 0, 1.22. Giờ cả hai đầu vào nói cùng một thang đo.

Độ lệch chuẩn (standard deviation): căn bậc hai của trung bình bình phương khoảng cách tới trung bình. np.std tính nó.

Một cái bẫy: một cột mà mọi giá trị đều giống nhau có độ phân tán 0, và chia cho 0 thì hỏng. Hãy để cột như vậy là các số không.

Tóm tắt (x - mean) / spread, theo từng cột, với một chốt chặn cho độ phân tán 0.

Từ và ký hiệu trong bài học này
mảng (array)
một khối số NumPy, cùng một kiểu, làm phép toán trên mọi phần tử cùng lúc
trung bình, độ phân tán
giá trị trung bình, và các giá trị nằm cách nó khoảng bao xa (độ lệch chuẩn)
Đến lượt bạn

Viết normalise(X) cho một mảng 2D: mỗi cột có trung bình 0 và độ phân tán 1. Một cột có độ phân tán 0 trở thành toàn số không. Không lặp qua các hàng.

Bạn thấy vấn đề gì trong bài học này? Hãy báo cáo nó · Hỏi về bài học này

Bài tập này sẽ sớm mở.

Hoàn thành bài học trước đó để mở khóa bài này. Toàn bộ khóa học là miễn phí, không cần tài khoản, và bạn có thể đọc bài học này ngay bây giờ.