データを0-1の範囲に正規化する方法は？

私はノーマライズに迷っています。誰でも私を案内してくれますか。

最小値と最大値、それぞれ-23.89と7.54990767があります。

5.6878の値を取得した場合、この値を0から1のスケールでスケーリングするにはどうすればよいですか。

データを正規化する場合は、提案どおりに正規化して、以下を計算できます。

ここで、およびは正規化されたデータになります。コンセプトの証明として（要求はしませんでしたが）、この点を説明するためのコードとグラフを以下に示します。$x=(x_1,...,x_n)$$z_i$$i^{th}$R

# Example Data
x = sample(-100:100, 50)

#Normalized Data
normalized = (x-min(x))/(max(x)-min(x))

# Histogram of example data and normalized data
par(mfrow=c(1,2))
hist(x,          breaks=10, xlab="Data",            col="lightblue", main="")
hist(normalized, breaks=10, xlab="Normalized Data", col="lightblue", main="")

観測されたminとmaxを新しい任意の範囲min 'からmax'に線形的に再スケーリングする一般的な1行の式は次のとおりです。

  newvalue= (max'-min')/(max-min)*(value-max)+max'
  or
  newvalue= (max'-min')/(max-min)*(value-min)+min'.

正規化のためのPHP実装は次のとおりです。

function normalize($value, $min, $max) {
	$normalized = ($value - $min) / ($max - $min);
	return $normalized;
}

しかし、独自の人工ニューラルネットワークを構築している間に、グラフの読みやすい出力を得るために、正規化された出力を元のデータに変換する必要がありました。

function denormalize($normalized, $min, $max) {
	$denormalized = ($normalized * ($max - $min) + $min);
	return $denormalized;
}

$int = 12;
$max = 20;
$min = 10;

$normalized = normalize($int, $min, $max); // 0.2
$denormalized = denormalize($normalized, $min, $max); //12

非正規化は次の式を使用します。

$x (\text{max} - \text{min}) + \text{min}$

ゼロ除算

心に留めておくべきことの1つは、max - minゼロに等しいことです。この場合、その除算を実行したくないでしょう。

これが発生するのは、正規化しようとしているリスト内のすべての値が同じ場合です。このようなリストを正規化するには、各アイテムはになります1 / length。

// JavaScript
function normalize(list) {
   var minMax = list.reduce((acc, value) => {
      if (value < acc.min) {
         acc.min = value;
      }

      if (value > acc.max) {
         acc.max = value;
      }

      return acc;
   }, {min: Number.POSITIVE_INFINITY, max: Number.NEGATIVE_INFINITY});

   return list.map(value => {
      // Verify that you're not about to divide by zero
      if (minMax.max === minMax.min) {
         return 1 / list.length
      }

      var diff = minMax.max - minMax.min;
      return (value - minMax.min) / diff;
   });
}

例：

normalize([3, 3, 3, 3]); // output => [0.25, 0.25, 0.25, 0.25]

答えは正しいですが、提案があります。あなたのトレーニングデータが範囲外の数に直面したらどうなりますか？スカッシュテクニックを使用できます。決して範囲外に出ないことが保証されます。これよりも

これを使うことをお勧めします

範囲の最小値と最大値でこのようなつぶしで

予想される範囲外のギャップのサイズは、範囲外の値が存在するという信頼度に直接比例します。

詳細については、グーグルで検索できます。範囲外の番号を削除し、「ドリアンパイル」のデータ準備書を参照してください

これを試して。機能スケールと一致しています

normalize <- function(x) { 
  x <- as.matrix(x)
  minAttr=apply(x, 2, min)
  maxAttr=apply(x, 2, max)
  x <- sweep(x, 2, minAttr, FUN="-") 
  x=sweep(x, 2,  maxAttr-minAttr, "/") 
  attr(x, 'normalized:min') = minAttr
  attr(x, 'normalized:max') = maxAttr
  return (x)
}