standardized

0熱

1答えて

私はauto-mpgデータセットで作業していますが、いくつかの値を予測しようとしていますが、この問題に直面しました。sickitのlinear_regression関数を使用する前に、 .scale しかし、私は値を予測しようとすると、しかしそれは常にfalseですが、私はデータを標準化しなければ、正確な結果が得られます。ここは、ここに私のcode`enterコードです： import pand

2熱

1答えて

新しいデータにH2Oの標準化を使用する場合

H2Oモデルで標準化された機能をRで使用すると、新しいデータをスコアリングするときにどのように機能するのか不思議です。私はそれがトレーニングセットに標準化したときにトレーニングデータの平均値と標準偏差に基づいて1に0と標準偏差を平均値を設定していることを知っているが、それは新しいデータで何をするのでしょうか？トレーニングデータの平均値と標準偏差に基づいて標準化するのか、それともスコアリングする

1熱

1答えて

min-maxスケーリングを適用すると、ナンシー対称行列が非対称になります

私は対称行列（1877 x 1877）を持っています。ここにはmatrix fileです。私は0-1の間の値を標準化しようとします。このメソッドを適用すると、行列はもはや対称ではなくなります。どんな助けもありがとうございます。 minmaxscalerが列毎に動作しているように見えますthis記述を見ると print((dist.transpose() == dist).all()) # this

0熱

1答えて

行列を行ごとに標準化する方法（軸= 1）？

2次元配列の場合は、標準化関数を作成しようとしています。標準化関数は、行単位および列単位で動作する必要があります。私は引数が軸= 1（行ごと）で与えられたときに何をすべきか分からない。 def standardize(x, axis=None): if axis == 0: return (x - x.mean(axis))/x.std(axis) else: ?????

2熱

1答えて

数値変数と要素変数の両方を含むデータフレームを標準化する方法

私のデータフレームmy.dataには、数値変数と係数変数が含まれています。私は、このデータフレーム内の数値変数だけを標準化したいと考えています。 > mydata2=data.frame(scale(my.data, center=T, scale=T)) Error in colMeans(x, na.rm = TRUE) : 'x' must be numeric 標準化作業はこれででき

1熱

2答えて

Kerasのnumpy配列の標準化

私はKerasでモデルを訓練した後、予測のための時間ですので、モデルをチェックするためにいくつかのデータを使用しています。しかし、訓練されたモデルはトレーニングの前に標準化されています（非常に異なる値の範囲）。だから、いくつかのデータを予測するために、私もそれを標準化する必要があります packet = numpy.array([[3232235781, 3232235779, 6, 128,

0熱

1答えて

どのようにZスコアの正規化を行うには？

私はzスコアの正規化を行う方法として混乱しています。私はこれを行うための方程式を見つけましたが、平均と標準偏差が必要でしたが、私の状況を考えれば、これをどうやって動かすかわかりません。私のシステムには2つの分類器があります。スコアを一緒に使用するには、スケールなどが異なるため正規化する必要があることを知っています。これにはzスコアの正規化を使用したいと考えています。私の質問は、2つの分類器から2

0熱

1答えて

オートエンコーダ、ワード階層クラスタリングなどの前にデータを標準化/正規化（バイナリ+数値）しますか？

私はバイナリデータ（0,1）と数値の異なるデータを持つデータセットを持っています。データを分類するために機械学習技術を適用したい場合（自動エンコーダーまたは階層クラスタリングの可能性があります）、データを標準化または正規化する必要がありますか？ありがとうございました！

1熱

1答えて

Rでシーケンスをループする（データフレームを標準化してWinsorizeする）

私は、この一連のステップをデータフレームに対してrでループしようとしています。ここは私のデータである。ここでは ID Height Weight a 100 80 b 80 90 c na 70 d 120 na .... は私のコードは、私が何をしようとしているこれまでのところ winsorize2 <- function(x) { Min <- which(x

1熱

1答えて

sklearnのcross_val_score（）でデータを標準化する方法

私は、LinearSVCを使用してデータセットに対してk折りたたみ検証を実行したいとしましょう。データの標準化はどのように行いますか？私が読んだベストプラクティスは、トレーニングデータに標準化モデルを作成し、このモデルをテストデータに適用することです。 1は、簡単なtrain_test_splitを（使用しています）我々だけで行うことができますように、これは簡単です： X_train, X_t