Jak znormalizować dane do zakresu 0-1?

Jestem zagubiony w normalizacji, czy ktoś mógłby mnie poprowadzić, proszę.

Mam wartości minimalne i maksymalne, powiedzmy odpowiednio -23,89 i 7,54990767.

Jeśli otrzymam wartość 5,6878, jak mogę skalować tę wartość w skali od 0 do 1.

Jeśli chcesz znormalizować swoje dane, możesz to zrobić, sugerując i po prostu obliczyć:

gdzie i to teraz twoje znormalizowane dane. Jako dowód koncepcji (choć o to nie prosiłeś), oto kod i towarzyszący mu wykres ilustrujący ten punkt:$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="")

Ogólny wzór jednej linii liniowo przeskalowania wartości danych Obserwując min i max do nowego dowolnego zakresu min' do max” jest

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

Oto moja implementacja PHP do normalizacji:

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

Ale kiedy budowałem własne sztuczne sieci neuronowe, musiałem przekształcić znormalizowane dane wyjściowe z powrotem do oryginalnych danych, aby uzyskać dobry odczyt na wykresie.

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

W normalizacji wykorzystuje się następującą formułę:

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

Dzielenie przez zero

Należy pamiętać, że max - minmoże to być zero. W takim przypadku nie chcesz wykonywać tego podziału.

Tak się dzieje, gdy wszystkie wartości na liście, które próbujesz znormalizować, są takie same. Aby znormalizować taką listę, każdy element byłby 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;
   });
}

Przykład:

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

odpowiedź jest prawidłowa, ale mam sugestię, co jeśli dane treningowe napotkają pewną liczbę poza zakresem? możesz użyć techniki zgniatania. nigdy nie wyjdzie poza zasięg. raczej niż to

polecam użyć tego

z takim zgniataniem w min i maks. zasięgu

a wielkość oczekiwanej luki poza zakresem jest wprost proporcjonalna do stopnia pewności, że wartości będą poza zakresem.

Aby uzyskać więcej informacji, możesz google: wyciskanie numerów spoza zakresu i zajrzyj do książki przygotowywania danych „Dorian Pyle”

Spróbuj tego. Jest to zgodne ze skalą funkcji

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)
}