Làm cách nào để chuẩn hóa ma trận?

Question

Về cơ bản, lấy ma trận và thay đổi nó sao cho giá trị trung bình bằng 0 và phương sai là 1. Tôi đang sử dụng mảng của numpy để nếu nó có thể làm nó tốt hơn, nhưng tôi có thể tự thực hiện miễn là tôi có thể tìm một thuật toán.

chỉnh sửa: nvm nimrodm có thực hiện tốt hơn

Answer 1

Hãy mỗi phần tử và trừ với giá trị trung bình và sau đó chia cho độ lệch chuẩn.

Bắn tôi, tôi không biết python. Nói chung ở trên là

mu = Average() 
sig = StandardDeviation() 
for(i=0;i<rows;i++) 
{ 
    for(j=0;j<cols;j++) 
    { 
     A[i,j] = (A[i,j]-mu)/sig; 
    } 
} 

Answer 2

Giá trị trừ trung bình của A từ mỗi phần tử (giá trị trung bình mới là 0), sau đó bình thường hóa kết quả theo độ lệch chuẩn.

from numpy import * 
A = (A - mean(A))/std(A) 

Trên đây là cho tiêu chuẩn hóa toàn bộ ma trận như một toàn thể, Nếu A có nhiều kích thước và bạn muốn chuẩn hóa từng cột riêng, xác định axis:

from numpy import * 
A = (A - mean(A, axis=0))/std(A, axis=0) 

Luôn luôn kiểm tra bằng tay những gì các một-liners đang làm trước khi tích hợp chúng vào mã của bạn. Một sự thay đổi đơn giản trong định hướng hoặc kích thước có thể thay đổi mạnh mẽ (âm thầm) những hoạt động nào thực hiện các thao tác trên chúng.

Answer 3

import scipy.stats as ss 

A = np.array(ss.zscore(A)) 

Answer 4

from sklearn.preprocessing import StandardScaler 

standardized_data = StandardScaler().fit_transform(your_data) 

Ví dụ:

>>> import numpy as np 
>>> from sklearn.preprocessing import StandardScaler 

>>> data = np.random.randint(25, size=(4, 4)) 
>>> data 
array([[17, 12, 4, 17], 
     [ 1, 16, 19, 1], 
     [ 7, 8, 10, 4], 
     [22, 4, 2, 8]]) 

>>> standardized_data = StandardScaler().fit_transform(data) 
>>> standardized_data 
array([[ 0.63812398, 0.4472136 , -0.718646 , 1.57786412], 
     [-1.30663482, 1.34164079, 1.55076242, -1.07959124], 
     [-0.57735027, -0.4472136 , 0.18911737, -0.58131836], 
     [ 1.24586111, -1.34164079, -1.02123379, 0.08304548]]) 

trình tốt trên các tập dữ liệu lớn.

Answer 5

Sử dụng sklearn.preprocessing.scale.

http://scikit-learn.org/stable/modules/generated/sklearn.preprocessing.scale.html

Dưới đây là ví dụ.

>>> from sklearn import preprocessing 
>>> import numpy as np 
>>> X_train = np.array([[ 1., -1., 2.], 
...      [ 2., 0., 0.], 
...      [ 0., 1., -1.]]) 
>>> X_scaled = preprocessing.scale(X_train) 
>>> X_scaled 
array([[ 0. ..., -1.22..., 1.33...], 
     [ 1.22..., 0. ..., -0.26...], 
     [-1.22..., 1.22..., -1.06...]]) 

http://scikit-learn.org/stable/modules/preprocessing.html#standardization-or-mean-removal-and-variance-scaling