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