normalization

    0热度

    1回答

    我有一个(10000,32,32,3)(10000图像,32像素×32像素,3个颜色通道)的numpy数组,并且试图对每个最后三个通道分别进行归一化。 (这是象素的最后一行中的图像中的一个) : 要跨使用 testX[:,:,:,0] = (testX[:,:,:,0]-np.mean(testX[:,:,:,0]))/np.std(testX[:,:,:,0]) 红色通道我试图但不是沿红色列

    0热度

    3回答

    我尝试使用下面的功能正常化大熊猫数据帧: def normalize(df): result = df.copy() for feature_name in df.columns: max_value = df[feature_name].max() min_value = df[feature_name].min() result[feature_name] =

    1热度

    2回答

    我有一个TensorFlow占位符,其中4个维度代表一批图像。每个图像都是32 x 32像素,每个像素有3个颜色通道。第一个维度表示图像的数量。 X = tf.placeholder(tf.float32, [None, 32, 32, 3]) 对于每一个形象,我愿把所有的图像的像素的L2范数。因此,输出应该是一维的张量(即每个图像一个值)。 tf.norm()(documentation)接受一

    1热度

    2回答

    我想我的正常化状态,并不能完全弄清楚如何处理局部&完整的资源,即是否应该他们共享状态的同一片或退居自己的片。 多一点信息: 当我做出的things列表的请求,服务器与泛音的列表进行响应。 [ { id: 1, name: "thing1"}, { id: 2, name: "thing2"}, ... { id: N, name: "thingN"} ] 当我做了

    0热度

    1回答

    我有一个PostgreSQL表,其中包含1,634个记录,每个位置有一个“id”,每个灾难事件受灾人数为“disaster(n)_a”列,针对第二次灾难事件的标准化受影响人数的“disaster2_an”列。 id | disaster1_a | disaster2_a | disaster2_an ------------------------------------------------

    0热度

    1回答

    这是我的第一个ANN项目,我想了解我是否正确处理数据规范化。 ,我有以下类型的属性 *二进制 *数字(可以是阴性及阳性) *数值(即只能是正) 是不是正确的,一些属性会在[-1,1]的范围内扩散,有些在[0,1]的范围内 有什么方法可以将正数据转换为在[-1,1]范围内扩展? 有意义的剂量?

    1热度

    1回答

    我的数据是numpy ndarray与形状(2,3,4)以下: 我已尝试通过sklearn标准化规范每个列的0-1比例。 from sklearn.preprocessing import normalize x = np.array([[[1, 2, 3, 4], [2, 2, 3, 4], [3, 2, 3, 4]], [[4, 2, 3, 4],

    3热度

    1回答

    我使用MATLAB中的Kolmogorov-Smirnov测试来确定在执行广义线性回归之前数据矩阵的每列的正态性。示例数据向量是: data = [8126,3163,9129,5399,8682,1126,1053,7805,2989,2758,3277,1152,6994,6833]; 该测试运行并给了我一个结果。然而,当我绘制经验累积分布函数(cdf)(蓝色)和标准正态cdf(红色)进行

    2热度

    1回答

    当使用TF-IDF比较文档A时,B 我知道文档长度并不重要。 但是在这种情况下,与A-B相比,A-C ,我认为文件B,C的长度应该是相同的长度。 例如 日志:100个字 文献A:20个词语 文献B:30个字 日志 - A的TF-IDF评分:0.XX 日志 - B的TF-IDF评分:0.xx 我应该对文档A,B进行规范化吗? (如果比较目标不同,它似乎是一个问题或错误的结果)

    -1热度

    1回答

    我正在练习使用python的K-means。 我正在处理一组购物数据,并且输入数据集看起来像这样。 输入表头: [用户ID] [money_spent_on_clothes]诠释 [money_spent_on_food] INT [money_spent_on_shoes] INT [money_spent_on_Monday] INT [money_spent_on_Tuesday ] int