基本的には、行列を取って、その平均が0で分散が1になるように変更します。私はnumpyの配列を使用しています。もしそれがすでにできていれば、それは良いですが、アルゴリズムを見つける。マトリックスを標準化するにはどうすればよいですか?
編集:NVM nimrodmより良い実装
基本的には、行列を取って、その平均が0で分散が1になるように変更します。私はnumpyの配列を使用しています。もしそれがすでにできていれば、それは良いですが、アルゴリズムを見つける。マトリックスを標準化するにはどうすればよいですか?
編集:NVM nimrodmより良い実装
各要素を取り、平均と減算した後、標準偏差で除算しています。
私を撃って、私はpythonを知らない。一般に、上記
mu = Average()
sig = StandardDeviation()
for(i=0;i<rows;i++)
{
for(j=0;j<cols;j++)
{
A[i,j] = (A[i,j]-mu)/sig;
}
}
注:これは動作しますが、大きな行列の場合は遅くなります。 @ nimrodmの答えは、numpyの最適化の恩恵を受けるため、はるかに高速になります。 –
はい、「ナンシー」を使用してください。私はちょうど "理論的に"正規化する方法を示したかった。 – ja72
次の(新しい平均が0である)、次いで、標準偏差によって結果を正規化し、各素子からのAの平均値を減算します。 Aは、多くの次元を持って、あなたは、個別に各列を標準化axisを指定したい場合は
from numpy import *
A = (A - mean(A))/std(A)
以上、全体として行列全体を標準化するためのものです:
from numpy import *
A = (A - mean(A, axis=0))/std(A, axis=0)
は必ず手で何これらを検証しますワンライナーはコードに組み込む前にやっています。単純な方向または次元の変更は、numpyが実行する操作を大幅に変更(サイレント)することができます。
0とNaNの値による除算を避けるために 'std(A)> 0'を' A'だけ更新したい場合があります。 –
Aはリストのリストとして表現できますか? – Neamah
@Neamahどうしてnumpyの配列に変換するだけでいいのですか?(http://stackoverflow.com/questions/10346336/list-of-lists-into-numpy-array) – kingledion
import scipy.stats as ss
A = np.array(ss.zscore(A))
from sklearn.preprocessing import StandardScaler
standardized_data = StandardScaler().fit_transform(your_data)
例:
>>> import numpy as np
>>> from sklearn.preprocessing import StandardScaler
>>> data = np.random.randint(25, size=(4, 4))
>>> data
array([[17, 12, 4, 17],
[ 1, 16, 19, 1],
[ 7, 8, 10, 4],
[22, 4, 2, 8]])
>>> standardized_data = StandardScaler().fit_transform(data)
>>> standardized_data
array([[ 0.63812398, 0.4472136 , -0.718646 , 1.57786412],
[-1.30663482, 1.34164079, 1.55076242, -1.07959124],
[-0.57735027, -0.4472136 , 0.18911737, -0.58131836],
[ 1.24586111, -1.34164079, -1.02123379, 0.08304548]])
が大規模なデータセットに適しています。
あなたはbackticksの代わりにすべてをインデントするためにCtrl + Kを使うことができます。 –
sklearn.preprocessing.scale
を使用してください。ここで
http://scikit-learn.org/stable/modules/generated/sklearn.preprocessing.scale.html
例です。
>>> from sklearn import preprocessing
>>> import numpy as np
>>> X_train = np.array([[ 1., -1., 2.],
... [ 2., 0., 0.],
... [ 0., 1., -1.]])
>>> X_scaled = preprocessing.scale(X_train)
>>> X_scaled
array([[ 0. ..., -1.22..., 1.33...],
[ 1.22..., 0. ..., -0.26...],
[-1.22..., 1.22..., -1.06...]])
"変更" を定義します。たとえば、行列を単位行列などで置き換えるだけの場合はどうなりますか?どんな種類の変換がOKですか? –
好奇心の理由から、なぜこれを行う必要がありますか? –
私はこの操作を中間ステップで実行するように求めるコンピュータビジョンアルゴリズムを実装しようとしています。私はそれがPCAの要件だからだと思うが、わからない。 – pnodbnda