normalize

1熱

1答えて

非常に入れ子になったjsonとpandas.io.json.json_normalize

私はnormalize私は後で分析する非常にネストされたjsonファイルにしようとしています。私が苦労しているのは、正常化するためには、複数のレベルを深める方法です。私はそれが欲しいものを正確に行うので、私はpandas.io.json.json_normalizeのドキュメントを調べました。私はこれの一部を正規化して辞書がどのように機能するのか理解できましたが、まだそこにはありません。以下

1熱

2答えて

normalizrを使用して正規化データを発行する

normalizrを使用して次のデータを正規化しようとしています。私は場所のオブジェクトを簡単に抽出できるようにしたい。具体的には、ムービーオブジェクトをロケーションオブジェクト内にネストしたいと考えています。マイコード： ajax呼び出し（results.data）からデータを取得したら、それを平坦化します。 const location = await new schema.Entity(

1熱

1答えて

spark-ml normalizerがメタデータを失う

私は、PySparkのカテゴリ機能を持つデータセットを使用しています。パイプラインをフィッティングした後、フィーチャー列のメタデータを使用してエンコードされたフィーチャーを抽出します。パイプラインにノーマライザを含めると、私のカテゴリ機能のメタデータが失われます。以下の例を参照してください。 train.show() +-----+---+----+----+ |admit|gre| gpa|

0熱

1答えて

ノーマライズデータは

私は、データフレーム O D counts 0 G1 G1 8576 1 G1 G2 4213 2 G1 G3 8762 3 G2 G1 8476 4 G2 G2 2134 ... を持っていますが、各グループには、例えばだからOとDの異なる集団がありますOで G1が持っている、と言うの、1234の異なるメンバー、DのG1は4321です。 pandasを使用して上記の表を正規化す

-4熱

3答えて

与えられたランダムな値をJavaの0 - 1の範囲に正規化します

現在の時刻の差をミリ秒単位で取得しているとします。 double value = Calendar.getInstance().getTimeInMillis() - getMilliseconds(reportingDt); だから、これは非常に大きな値になります。いくつかのいずれかが私の値は、より最近の0と1 の間でスケールされるように、これは、Javaで実現する方法を提案することができま

1熱

1答えて

対数スケールを使用したデータのスケーリングと正規化

私のウェブサイト上のユーザーのランク付けシステムを作成したいと思います。ランクは、メンバーの長さ、作成した投稿の数など、さまざまな要因によって決まります。すべてのデータ項目も私が決めた「重み」で割り算されます。実際のユーザー活動 - 私は1つの投稿がメンバーとして1日ほど重要であることは望ましくありません。計量の後、すべての統計値が一緒に加算されます。次に、いくつかのメンバーが数点の活動しか持た

2熱

1答えて

スケーリング時系列（最小/最大スケーリングを使用）は相互相関に影響しますか？

私は2つの時系列を持っており、それらの間の相関関係を見つけたいと思います。しかし、以前はまったく異なるスケールにあったため、何が起こっているのかをよりよく理解するためには、0と1の間で正規化する必要があります。私は前にして（RでCCF機能を使用して）正規化した後に相互相関を計算する際 ts1 <- ts1$price-min(ts1$price)/(max(ts1$price)-min(ts1$p

2熱

1答えて

Rを使用したデータのスケール調整R

Iデジタルマーケティングの問題については、次のデータセットをお持ちください。聴衆のサイズ、非アクティブな電子メールの読んだメールやセグメントの優先度は AudienceSize inactiveemails Readmails Importanceof targetgroup 246238 63581 1015 Low 402042 609 2089 Med