Як нормалізувати дані до діапазону 0-1?

Я загубився в нормалізації, чи не міг би хтось мене навести.

У мене мінімальні та максимальні значення, скажімо, -23,89 та 7,54990767 відповідно.

Якщо я отримаю значення 5.6878, як я можу масштабувати це значення за шкалою від 0 до 1.

Якщо ви хочете нормалізувати свої дані, ви можете зробити так, як ви запропонуєте, і просто обчислити наступне:

де і тепер ваші нормалізовані дані. Як доказ концепції (хоча ви її не просили) ось деякий код та супровідний графік для ілюстрації цього пункту:$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="")

Загальна однолінійна формула для лінійного масштабування значень даних, що спостерігають min та max у новий довільний діапазон min ' до max' ,

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

Ось моя реалізація PHP для нормалізації:

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

Але в той час як я будував власні штучні нейронні мережі, мені потрібно було перетворити нормалізований вихід назад до вихідних даних, щоб отримати гарний читабельний вихід для графіка.

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

Для денормалізації використовується наступна формула:

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

Ділення на нуль

Слід пам’ятати, що це max - minможе дорівнювати нулю. У цьому випадку ви не хочете виконувати цей поділ.

У випадку, коли це станеться, коли всі значення в списку, який ви намагаєтесь нормалізувати, однакові. Для нормалізації такого списку кожен пункт був би 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;
   });
}

Приклад:

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

відповідь правильна, але у мене є пропозиція, що робити, якщо ваші дані тренувань стикаються з деякою кількістю поза діапазоном? ви можете використовувати техніку сквош. це гарантовано ніколи не вийде за межі діапазону. а не це

я рекомендую використовувати це

при такому тиску в хв і макс

а розмір очікуваного розриву поза межами діапазону прямо пропорційний ступеня впевненості, що будуть значення поза межами діапазону.

для отримання додаткової інформації ви можете google: скоротити номери поза межами діапазону та звернутися до книги підготовки даних "доріанської палі"

Спробуйте це. Це відповідає шкалі функцій

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)
}