配列とスカラーのナンシー数学？

Question

ナンシー初心者はこちら。私は、ニューラルネットワークへの入力を標準化（機能スケーリング、標準化ともいう）しようとしています。私は線形スケーリングを行うと、私が使用している式は：

I = Imin + (Imax-Imin)*(D-Dmin)/(Dmax-Dmin)

Iは、スケーリングされた入力値であり、値IminとImaxは、所望の最小及びスケーリングされた値の最大の範囲であり、Dは、元でありますDminおよびDmaxは元のデータ値の最小および最大範囲です。私は、numpy配列をとり、すべての値が正規化された配列を返すPythonメソッドが必要です。これは私がこれまで考えてきたことです。

def get_normalized_values(array): 
    """I = Imin + (Imax-Imin)*(D-Dmin)/(Dmax-Dmin)""" 
    imin = -1 
    imax = 1 
    dmin = array.amin() 
    dmax = array.amax() 

    normalized = imin + (imax - imin)*(array - dmin)/(dmax - dmin) 

    return normalized 

私の質問はこの作品ですか？または、配列の各要素をループして数学を実行する必要がありますか？配列やスカラーを使って数学をするだけでいいですか？つまり、array - dminは、各値にdminを引いた新しい一時配列を作成しますか？これが適切な用語であるかどうかはわかりませんが、これは「ベクトル化された」アプローチだと思いますか？

更新

がこの場所で配列を変更持っている方法はありますか？それは、配列のコピーを返すのではなく、関数に配列を渡して元の配列を変更させることですか？

Answer 1

私はあなただけmy_array.max()のようにmin()とmax()への呼び出しであるとの通話amin()とamax()を変更する必要があると考えています。

これ以外の場合は、正常に動作するはずです。配列にスカラーを追加するなど、Octave/MatlabのようにNumPyで処理を行うことができ、自動的にすべての要素に操作をマップすることができます。場合によっては、少し異なる構文（例えば、numpy.linalg.dot()の違いを知っていて、2つの配列を掛けるだけのような）が必要な場合もありますが、一般的にこのようなことはあなたが指摘したとおり簡単です。

Answer 2

それはPythonの - ちょうど（TM）、それを試してみてください

私は本当に答えを知らないが、見つけるの私の方法は、iPythonターミナルセッションに疑問を貼り付けることであろう。一般的に、私がnumbyでこれをどうやって行うのか疑問に思ったときは、簡単な方法でうまくいきました。