2d数据的标准化和规范化

时间:2017-03-10 00:50:12

标签: python normalization standardized

我正试图站立/规范一些数据:

数据由两个温度读数组成,一个来自传感器,另一个来自水银温度计。

像这样:

SENSOR  THERM
32.69   31.25
32.00   30.25
31.94   30.50
31.87   30.50
31.44   29.50
...

我想创建一个回归模型,为此我需要数据待站/标准化

我目前正在做的是:

  1. 查找传感器数据的平均值
  2. 找到Therm Data的平均值
  3. 计算传感器数据的标准偏差
  4. 计算热数据的标准偏差
  5. 创建一个新列表,并将标准化值添加到该
  6. 这里的事情变得棘手。

    创建这个新列表后,我想要标准化,因此它的值为0-1,我这样做的方法是从标准化数据中获取最低和最高值(传感器和Therm一起)。但这看起来有点奇怪。

    到目前为止,这是代码:

    data = [[32.69, 31.25],
            [32.00, 30.25],
            [31.94, 30.50],
            [31.87, 30.50],
            [31.44, 29.50]]
    
    # take mean from data
    mean_x = sum(x for x,y in data)/len(data)
    mean_y = sum(y for x,y in data)/len(data)
    
    # compute standard deviation 
    std_d_x = (sum((x-mean_x)**2 for x,y in data)/len(data))**(1/2.0)
    std_d_y = (sum((y-mean_y)**2 for x,y in data)/len(data))**(1/2.0)
    
    
    stand_data = []
    
    # get standardized values
    for x, y in data:
        stand_x = (x - mean_x) / std_d_x
        stand_y = (y - mean_y) / std_d_y
    
        stand_data.append((stand_x, stand_y))
    
    # find min/max value from the whole data
    min_v = min(min([x,y]) for x, y in stand_data)
    max_v = max(max([x,y]) for x, y in stand_data)
    
    
    for i, (stand_x, stand_y) in enumerate(stand_data):
        # normalize it
        norm_x = (stand_x - min_v)/(max_v - min_v)
        norm_y = (stand_y - min_v)/(max_v - min_v)
    
        # display
    
        raw = "%.2f, %.2f"%(data[i][0], data[i][1])
        stand = "%.2f, %.2f"%(stand_x, stand_y)
        norm =  "%.2f, %.2f"%(norm_x, norm_y)
        print("{raw} -> {stand} -> {norm}".format(**locals()))
    

    结果如下:

    Input data   -> standardized -> normalized
    32.69, 31.25 ->  1.74,  1.51 -> 1.00, 0.93
    32.00, 30.25 ->  0.03, -0.27 -> 0.49, 0.40
    31.94, 30.50 -> -0.12,  0.18 -> 0.44, 0.53
    31.87, 30.50 -> -0.29,  0.18 -> 0.39, 0.53
    31.44, 29.50 -> -1.36, -1.60 -> 0.07, 0.00
    

    我的问题是:我应该如何标准化这些数据?我应该从整个数据(传感器和Therm一起)中取平均值/偏差吗?或者我应该单独服用它们?关于规范化,我应该按照我正在做的方式进行,也可以单独进行(这似乎给出了奇怪的值)?

1 个答案:

答案 0 :(得分:0)

标准化/规范化通常是针对每个属性单独完成的,正如您现在所做的那样。但是为了回归,请咨询

https://stats.stackexchange.com/questions/29781/when-conducting-multiple-regression-when-should-you-center-your-predictor-varia/111997#111997

据我所知,有两点,

  1. 您可以选择要对数据使用的规范化/标准化方法。例如,您可以使用min-max normalizationz-score normalization
  2. 公式,其中A是数据集中的属性 -

    # Min-Max Normalization (Final values are in between 0 and 1)
    v_ = (v - min(A)) / (max(A) - min(A))
    # Z - Score Normalization (Final values have a mean of 0 and SD of 1)
    v_ = (v - mean(A)) / (standard_deviation(A))
    
    1. 实施
    2. 实现完全取决于编程语言。例如,在R中,您可以使用函数扫描将其标准化为单行