मैं मैट्रिक्स को कैसे मानकीकृत करूं?

Question

असल में, एक मैट्रिक्स लें और इसे बदलें ताकि इसका मतलब 0 के बराबर हो और भिन्नता 1 हो। मैं numpy के सरणी का उपयोग कर रहा हूं ताकि अगर यह पहले से ही कर सके तो यह बेहतर होगा, लेकिन जब तक मैं कर सकता हूं तब तक मैं इसे स्वयं लागू कर सकता हूं एक एल्गोरिदम खोजें।

संपादित करें: nvm nimrodm बेहतर कार्यान्वयन

Answer 1

प्रत्येक तत्व ले लो और इनकी औसत घटाना और फिर मानक विचलन से विभाजित है।

मुझे गोली मारो, मुझे अजगर पता नहीं है। सामान्य तौर पर ऊपर

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

निम्नलिखित (नया माध्य 0 है), तो मानक विचलन से परिणाम को सामान्य प्रत्येक तत्व से एक का मतलब घटा देती है।

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

से ऊपर, एक पूरे के रूप में पूरे मैट्रिक्स के मानकीकरण के लिए है एक कई आयाम हैं और आप व्यक्तिगत रूप से प्रत्येक स्तंभ का मानकीकरण करने, axis निर्दिष्ट हैं:

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

हमेशा हाथ से सत्यापित करें कि इन एक-लाइनर उन्हें आपके कोड में एकीकृत करने से पहले कर रहे हैं। अभिविन्यास या आयाम में एक साधारण परिवर्तन भारी रूप से बदल सकता है (चुपचाप) उन पर कौन से ऑपरेशन numpy प्रदर्शन करता है।

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) 

उदाहरण: अच्छी तरह से बड़े डेटा सेट पर

>>> 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]]) 

काम करता है।

Answer 5

sklearn.preprocessing.scale का उपयोग करें।

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

यहाँ एक उदाहरण है।

>>> 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