데이터에 대해 z- 정규화가 필요합니다 (즉, 변환 변수 = 0 및 sd = 1). 나는 다음과 같은 공식을 사용하고 (예를 들어, "MAT"을 연간 평균 온도 스케일링) : sca$MAT <- (sca$MAT - mean(sca$MAT))/sd(sca$MAT)
하지만 몇 가지 데이터를이 변수 누락되기 때문에 NaN의 값 얻는다. 위 수식에서 MAT에
그래프에서 데이터를 읽고 데이터 포인트 간의 분산을 표시하기 위해 정규화 된 특정 빈도로 값을 재생하는 프로그램을 작성 중입니다. 테스트에서 "허용 가능한"사운드 범위는 사용하기에 너무 높지도 낮지 않은 주파수 범위에 대해 200 ~ 3800 사이에있는 것으로 나타났습니다. 즉, 모든 데이터를 해당 숫자 범위로 변환해야합니다. 여기에 그 지침이 주어진 해결
A 열의 다음 샘플 데이터에 대해 Excel에서 0과 1 사이의 정규화를 수행하려고합니다. 다음 공식으로 시도했지만 결과는 0과 1과 완전히 다릅니다. =(A1-MIN($A$1:$A$57))/(MAX($A$1:$A$57)-MIN($A$1:$A$57))
482991710
1059841418
482991711
482991711
482991735
예상 출력과 함께 NN에 대한 교육 데이터가 있습니다. 각 입력은 10 차원 벡터이며 1 개의 예상 출력을가집니다. Gaussian을 사용하여 훈련 데이터를 정규화했지만 단일 차원 만 있기 때문에 출력을 정규화하는 방법을 알지 못합니다. 어떤 아이디어? 예 : 원시 입력 벡터 : -128.91, 71.076, -100.75,4.2475, -98.811, 7
프로젝트의 일부 테이블을 생성하고 있으며 많은 테이블이 동일한 구조 (Id, Name)를 가지고 있지만 다른 것들에 사용된다는 것을 알게되었습니다. 정규화와 얼마나 멀리해야합니까? 나는 그들 모두를 한 테이블에 모아 두거나 더 잘 이해하기 위해 따로 보관해야합니까? 공연에 어떤 영향을 줍니까? 예 1 TableObjectType (로그로 객체의 형태를 사용
스트리밍 데이터가 있다고 가정하고 SGD를 사용하여 완전히 연결된 신경망 덩어리를 tensorflow의 청크로 학습하십시오. 문제는 내가 직면 : 어떻게 체크하여 원시 데이터 청크를 정상화? 원시 데이터에 batch_normalization을 사용하고 완전히 연결된 NN으로 피드 할 수 있습니까?
저는 JaHMM에 구현 된 HMM을 Android wearable에서 얻은 가속도계 및 자이로 스코프의 센서 데이터로 교육합니다. 가속도계 데이터로 학습 된 HMM은 학습 된 상태를 출력하며 다소 오류가 있습니다. 다음과 같이 모두 현대 상선의 초기화된다 HMM이 상태 (들) 상태 0 파이로 : 가속도계 데이터 훈련 HMM에 대한 Hmm<Observatio
저는 초보자 인 tensorflow이고 텐서에서는 Frobenius normalization을 적용하고 싶지만 tensorflow에서 관련 함수를 찾지 못했습니다. tensorflow를 사용하여 구현할 수 없습니다. 작전, 난 numpy 작업으로 구현할 수 있지만 어떻게 할 수있는 tensorflow 작전만을 사용하여 ?? 파이썬에서 NumPy와를 사용하여
누구나 python으로 tanh-estimator를 구현하는 방법을 알고 있습니까? 가우스 분포를 따르지 않는 숫자 목록이 있습니다. tanh-estimator를 전처리 단계로 사용하고 싶지만 MinMaxScaler()와 같은 정의 된 함수가 없기 때문에 파이썬에서 어떻게 구현할 수 있는지 모르겠습니다. 미리 감사드립니다.