R中的归一化函数

Posted

技术标签:

【中文标题】R中的归一化函数【英文标题】:Normalization function in R 【发布时间】:2015-04-18 06:48:21 【问题描述】:

我有一个要转换的矩阵,这样转换后的数据集中的每个特征都具有 0 的均值和 1 的方差。

我尝试使用以下代码:

scale <- function(train, test) 
   
trainmean <- mean(train)
trainstd <- sd(train)
xout <- test
for (i in 1:length(train[1,])) 
    xout[,i] = xout[,i] - trainmean(i)

for (i in 1:lenght(train[1,])) 
    xout[,i] = xout[,i]/trainstd[i]



invisible(xout)

normalized <- scale(train, test)

但是,这对我不起作用。我在正确的轨道上吗?

编辑:我对语法很陌生!

【问题讨论】:

【参考方案1】:

您可以为此使用内置的scale 函数。

下面是一个例子,我们用 0 到 1 之间的随机均匀变量填充矩阵并居中并缩放它们以具有 0 均值和单位标准差:

m <- matrix(runif(1000), ncol=4)    
m_scl <- scale(m)

确认列均值为 0(在容差范围内)且其标准差为 1:

colMeans(m_scl)
# [1] -1.549004e-16 -2.490889e-17 -6.369905e-18 -1.706621e-17

apply(m_scl, 2, sd)
# [1] 1 1 1 1

更多详情请见?scale

要编写自己的规范化函数,您可以使用:

my_scale <- function(x) 
  apply(m, 2, function(x) 
    (x - mean(x))/sd(x)
  ) 


m_scl <- my_scale(m)

或以下,在较大的矩阵上可能更快

my_scale <- function(x) sweep(sweep(x, 2, colMeans(x)), 2, apply(x, 2, sd), '/')

【讨论】:

谢谢。这是家庭作业,因此我尝试自己编写一个函数,但我很可能会使用内置函数,因为我已经花了太多时间编写自己的函数。 感谢您的澄清!【参考方案2】:

根据我的经验,只是建议另一个自己编写的规范化函数避免apply 比矩阵计算慢:

m = matrix(rnorm(5000, 2, 3), 50, 100)

m_centred = m - m%*%rep(1,dim(m)[2])%*%rep(1, dim(m)[2])/dim(m)[2]
m_norm = m_centred/sqrt(m_centred^2%*%rep(1,dim(m)[2])/(dim(m)[2]-1))%*%rep(1,dim(m)[2])

## Verirication
rowMeans(m_norm)
apply(m_norm, 1, sd)

(注意这里考虑的是行向量)

【讨论】:

我无法计算出此处居中(并随后缩放)的内容。行向量和列向量都没有接近 0 的均值,也没有接近 1 的方差。这里有错字吗?我的矩阵代数很粗略,但我希望看到它起作用:) 对不起,我忘记了dim(m)[2]每次的划分,现在修改 好吧,可能有一些错位的(,因为我在没有 R 的情况下写道;现在已修复 非常好!谢谢你的坚持。我曾怀疑您之前无法对其进行测试。

以上是关于R中的归一化函数的主要内容,如果未能解决你的问题,请参考以下文章

大数据&AI人工智能常见的归一化函数有哪些?分别用数学公式详细介绍

matlab程序的归一化问题

变异位点的归一化(normalization of indel)

如何用matlab对以下函数进行归一化处理

MATLAB中神经网络建模中的归一化和非归一化

R中连续神经网络训练中数据的归一化