第 1 模块:这门课用到的 Python
均值、离散程度和归一化
你以前学过这门课程吗?
这样我们只统计你一次。只会发送你的答案,以及你的匿名进度。
为什么重要 当一个输入是几千、另一个接近零时,网络会训练得很糟。归一化让每一个输入站在同样的起跑线上。
均值就是平均值。离散程度(标准差)大致是在一般情况下各个值离均值有多远。要归一化一列:减去它的均值,再除以它的离散程度。之后这一列的均值为 0,离散程度为 1。
很小的数字
房屋面积 50、100、150 平方米:均值 100,离散程度大约 40.8。归一化后:大约 -1.22、0、1.22。卧室数 1、2、3:均值 2,离散程度大约 0.82,归一化后同样是 -1.22、0、1.22。现在两个输入用的是同一个尺度。
标准差:到均值的平方距离的平均值的平方根。np.std 会计算它。
一个陷阱:如果一列中每个值都相同,它的离散程度就是 0,而除以 0 会出错。让这样的一列保持全零。
回顾 每一列做 (x - mean) / spread,并防范离散程度为 0 的情况。
本课中的词语和符号
- 数组
- 一块 NumPy 数字,类型全都相同,能一次对每一项做数学运算
- 均值、离散程度
- 平均值,以及各个值大致离它有多远(标准差)
轮到你了
为一个 2D 数组编写 normalise(X):每一列都得到均值 0 和离散程度 1。离散程度为 0 的列变成全零。不要对行做循环。
本课已完成。干得好。
这个练习即将开放
完成它前面的那一课,这一课就会解锁。整门课程免费,无需账号,而且你现在就可以阅读这节课。
这个浏览器屏蔽了 learn.floati.life 的 Cookie,所以你在这里完成的课程无法按顺序打开。请允许这个网站使用 Cookie,然后重新加载。