normalization

0熱

1答えて

私は初心者ですテンソルのフローテンソルにはFrobenius normalizationを適用したいが、テンソルではそれに関連する関数が見つからず、テンソルフローを使用して実装できませんでした私はnumpy操作でそれを実装することができますが、どうすればよいでしょうか？ pythonでnumpyのを使用して私の実装 def Frobenius_Norm(tensor): x = np.p

1熱

1答えて

トレーニングデータとテストデータに対してmin maxスケーリングを個別に適用しますか？

min maxスケーリングを適用してフィーチャを正規化している間に、トレーニング、検証、およびテストデータに分割する前に、データセット全体でmin maxスケーリングを適用しますか？または、最初に分割してから、その特定のセットの最小値と最大値を使用して各セットにmin maxを適用しますか？最後に、新しい入力を予測するとき、その入力のフィーチャをトレーニングデータの最小値、最大値を使用して正規

0熱

2答えて

SQLテーブルの正規化

私はプロジェクト用のテーブルをいくつか作成していますが、テーブルの多くは同じ構造（Id、Name）を持っていますが、異なるものに使用されていることがわかりました。正規化をどこまで行う必要がありますか？私はそれらをすべて1つのテーブルに構築するか、より良い理解のためにそれらを分けておく必要がありますか？どのようにパフォーマンスに影響を与えますか？例1：（ログのアクションのタイプに使用）（ログ内の

0熱

1答えて

オンライン学習のためのTensorflow

ストリーミングデータがあり、SGDを使用して、完全に接続されたニューラルネットワークチャンクをテンソルフローのチャンクでトレーニングするとします。をチャンクで生データチャンクを正規化する方法：私が直面した通報しますか？ rawデータにbatch_normalizationを使用し、完全に接続されたNNにフィードすることはできますか？

0熱

1答えて

前処理データ：PCAを実行する前または後にデータを正規化する必要がありますか？

NNの入力データを前処理しています。入力の寸法を小さくするために、PCAを実行しています。データを正規化したいのですが、PCAを実行する前にやっておく必要がありますか？生データ/ PCA入力またはPCA出力/ NN入力にありますか？

0熱

1答えて

R - 行列のデータを正規化する - Double for loop

"VI9A_mining"というデータフレームにあるデータを正規化したいと思います。私のデータフレームの各列は要素を表します。各線は、与えられた要素の濃度を表す。与えられた要素の各濃度について、その要素の平均濃度を取り消したいと思います。私が持っている場合だから：ここ Ca Zr K Ca Zr K 2 14 4 ==> i would like : -3 4 1 8 10 5

0熱

1答えて

どのように冗長データを追加すると、非正規化で複雑な結合を取り除くことができますか？

私は非正規化の定義を行っていましたが、冗長なデータを追加すると複雑な結合を取り除くことができますか？

0熱

2答えて

ベクターセットの実装を使用している私のスキームで何が問題になっていますか？

私は規範（別の述語の整数）で割っするベクトルの各要素を設定しようとしていますベクトル設定 (define foo0 (lambda (vec) (let* ((newvec (vector vec)) (l (vector-length vec)) (norm (norm0 vec))) (do ((i 0(+ i 1)))

0熱

1答えて

割合のデータを50％と意味する

私は0.4860247の加重平均を持つデータセットを持っています。私は約0.5のデータを正規化しようとしています。私はscale()を使用していますが、私の問題はすべてのデータがないことです。代わりに、私は1つの列に合計カウントを持ち、もう1つにパーセントを持っています。 data <- data.frame(percent = c(0.455188841201717, 0.46181727574

0熱

1答えて

パイソン - OpenCVの

における局所正規私はpythonでこの記事により同様の機能を実現しようとしています：link しかし、私は両方の実装を試みたにも関わらず、私がしようと何でも、スムーズな結果を得ることができません修正されたOPおよび第2の回答が提供される。私はおそらく何か小さなものを見逃していますが、私は何が分かりません。 OPの符号化とIが黒画像で終わるため def local_norm(img, sigma_