วิธีการทำให้ข้อมูลกลับสู่ช่วง 0-1 เป็นปกติ

ฉันหลงทางในการทำให้ปกติ

ฉันมีค่าต่ำสุดและค่าสูงสุดคือ -23.89 และ 7.54990767 ตามลำดับ

หากฉันได้รับค่า 5.6878 ฉันจะขยายมูลค่านี้เป็นระดับ 0 ถึง 1 ได้อย่างไร

หากคุณต้องการทำให้ข้อมูลของคุณเป็นปกติคุณสามารถทำได้ตามที่คุณแนะนำและเพียงคำนวณสิ่งต่อไปนี้

โดยที่และเป็นข้อมูลปกติของคุณแล้วเป็นหลักฐานของแนวคิด (แม้ว่าคุณไม่ได้ขอ) นี่คือรหัสและกราฟประกอบเพื่อแสดงจุดนี้:$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="")

สูตรหนึ่งบรรทัดทั่วไปเพื่อปรับลดค่าข้อมูลเชิงเส้นโดยสังเกตminและmaxเป็นช่วงใหม่โดยพลการmin 'ถึงmax'คือ

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

นี่คือการใช้ PHP ของฉันสำหรับการฟื้นฟู:

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

แต่ในขณะที่ฉันกำลังสร้างเครือข่ายประสาทเทียมของฉันเองฉันต้องเปลี่ยนผลลัพธ์ปกติกลับไปเป็นข้อมูลดั้งเดิมเพื่อให้ได้ผลลัพธ์ที่อ่านได้ดีสำหรับกราฟ

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

Denormalisation ใช้สูตรต่อไปนี้:

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

การหารด้วยศูนย์

สิ่งหนึ่งที่ต้องจำไว้คือมันmax - minอาจเท่ากับศูนย์ ในกรณีนี้คุณจะไม่ต้องการทำการแบ่งนั้น

กรณีที่สิ่งนี้จะเกิดขึ้นคือเมื่อค่าทั้งหมดในรายการที่คุณพยายามทำให้เป็นมาตรฐานเหมือนกัน 1 / lengthปกติเช่นรายการแต่ละรายการจะเป็น

// 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;
   });
}

ตัวอย่าง:

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

คำตอบนั้นถูกต้อง แต่ฉันมีข้อเสนอแนะจะเกิดอะไรขึ้นถ้าข้อมูลการฝึกอบรมของคุณต้องเผชิญกับตัวเลขจำนวนหนึ่ง? คุณสามารถใช้เทคนิคการบีบ จะรับประกันว่าจะไม่ออกนอกช่วง มากกว่านี้

ฉันแนะนำให้ใช้สิ่งนี้

ด้วยการบีบแบบนี้ในหน่วยนาทีและช่วงสูงสุด

และขนาดของช่องว่างนอกช่วงที่คาดว่าจะเป็นสัดส่วนโดยตรงกับระดับของความเชื่อมั่นว่าจะมีค่านอกช่วง

สำหรับข้อมูลเพิ่มเติมคุณสามารถ google: squashing หมายเลข out-of-range และอ้างถึงหนังสือเตรียมข้อมูลของ "dorian pyle"

ลองสิ่งนี้ มันสอดคล้องกับระดับฟังก์ชั่น

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)
}