iT邦幫忙

2022 iThome 鐵人賽
DAY 26
0
AI & Data

TensorFlow 系列 第 26 篇

[Day26] 特徵值數據標準化

14th鐵人賽
1163 瀏覽

  • 分享至 

  • xImage
    •  

Hi ! Day26 !
今天要來介紹特徵值數據的標準化和歸一化

標準化

特徵值數據的標準化是將特徵資料按比例縮放，透過韓式轉變，將數據資料落入某一特定（較小）的數值區間。
常見的標準化演算法有：

  1. Ｚ分數標準化
    https://ithelp.ithome.com.tw/upload/images/20221011/20152603Z1zKxjRLI6.png
    （Ｚ分數標準化公式， μ 與 σ 分別為平均數及標準差）

歸一化

歸一化的目的就是把數據轉換到 [0,1] 範圍之内的數字，變換的計算方法有：

  1. 線性轉換
    https://ithelp.ithome.com.tw/upload/images/20221011/20152603F4CN6ElypO.jpg
  2. 對數函式轉換: y = log x
  3. 等比例縮放: 將數值轉換為 [-1,1] 區間的值。

Reference

https://www.wpgdadatong.com/tw/blog/detail/42247

https://medium.com/ai反斗城/preprocessing-data-數據特徵標準化和歸一化-9bd3e5a8f2fc

https://zh.wikipedia.org/zh-tw/标准化_(统计学)

https://www.cnblogs.com/codeshell/p/14060164.html


上一篇
[Day25] 類別特徵資料處理
下一篇
[Day27] 損失函數
系列文
TensorFlow 共 30 篇
  1. 26
    [Day26] 特徵值數據標準化
  2. 27
    [Day27] 損失函數
  3. 28
    [Day28] TFRecord
  4. 29
    [Day29]生成對抗網路（GAN）-- PART1
  5. 30
    [Day30]生成對抗網路（GAN）-- PART2
完整目錄
圖片
  直播研討會
圖片
{{ item.channelVendor }} {{ item.webinarstarted }} |
{{ formatDate(item.duration) }}
直播中

尚未有邦友留言

立即登入留言
iThome鐵人賽
參賽組數
1064 組
團體組數
40 組
累計文章數
22196 篇
完賽人數
602 人
iT+看影片追技術 看影片追技術 看更多
熱門tag 看更多
15th鐵人賽 16th鐵人賽 13th鐵人賽 14th鐵人賽 12th鐵人賽 11th鐵人賽 鐵人賽 2019鐵人賽 javascript 2018鐵人賽 python 2017鐵人賽 windows php c# windows server linux css react vue.js
熱門問題
熱門回答
熱門文章
IT邦幫忙