UFLDL教程———数据预处理
UFLDL tutorial:Unsupervised Feature Learning and Deep Learnin
我们知道数据预处理在深度学习中起着重要作用,也是最耗时的部分。不同的处理方法直接影响着分析结果,因此也具有一定的经验性。这里介绍了相应的预处理pipeline。
数据归一化
归一化的方法有很多种,具体的选择应该根据数据本身的特点来选择,教程中主要介绍了三种方法:简单缩放、逐样本均值消减(Per-example mean extraction)、特征标准化。
在简单缩放中,我们的目的是通过对数据中每一个维度的值进行重新调节(这些维度可能是相互独立的),使得最终的数据向量落在[0,1]或者[-1,1]的区间内(根据数据情况而定)。这对后续的处理十分重要,因为很多默认参数都假定数据已被缩放到合理区间。在处理自然图像时,我们获得的像素值在[0,255]区间中,常用的处理是将这些像素值除以255,使它们缩放到[0,1]内。转化函数:x=(x-min)/(max-min)。
逐样本均值消减,也称为移除直流分量,针对平稳的数据(即数据每一个维度的统计都满足相同分布,我们常用的医学影像灰度图是平稳的),可以考虑在每个样本上减去数据的统计平均值(逐样本计算),这样可以移除图像的平均亮度值,减少亮度对分析的影响。
特征标准化指的是(独立的)使数据的每一个维度具有零均值和单位方差,这是归一化中最常见的方法并被广泛的使用(例如,在支持向量机(SVM)时,特征标准化常被建议用作预处理的一部分)。在实际应用中,特征标准化的具体做法是首先计算每一个维度上数据的均值(使用全体数据计算),之后在每一个维度上都减去该均值,下一步便是在数据的每一维度上除以该维度上数据的标准差。
PCA/ZCA白化
一幅图像最终成像会受环境照明强度、物体反射、拍摄相机等多因素的影响,为了能够
如何改变文本的样式
强调文本 强调文本
加粗文本 加粗文本
标记文本
删除文本
引用文本
H2O is是液体。
210 运算结果是 1024.
插入链接与图片
链接: link.
图片:
带尺寸的图片:
居中的图片:
居中并且带尺寸的图片:
当然,我们为了让用户更加便捷,我们增加了图片拖拽功能。
如何插入一段漂亮的代码片
去博客设置页面,选择一款你喜欢的代码片高亮样式,下面展示同样高亮的 代码片
.
// An highlighted block
var foo = 'bar';
生成一个适合你的列表
- 项目
- 项目
- 项目
- 项目
- 项目1
- 项目2
- 项目3
- 计划任务
- 完成任务
创建一个表格
一个简单的表格是这么创建的:
项目 | Value |
---|---|
电脑 | $1600 |
手机 | $12 |
导管 | $1 |
设定内容居中、居左、居右
使用:---------:
居中
使用:----------
居左
使用----------:
居右
第一列 | 第二列 | 第三列 |
---|---|---|
第一列文本居中 | 第二列文本居右 | 第三列文本居左 |
SmartyPants
SmartyPants将ASCII标点字符转换为“智能”印刷标点HTML实体。例如:
TYPE | ASCII | HTML |
---|---|---|
Single backticks | 'Isn't this fun?' | ‘Isn’t this fun?’ |
Quotes | "Isn't this fun?" | “Isn’t this fun?” |
Dashes | -- is en-dash, --- is em-dash | – is en-dash, — is em-dash |
创建一个自定义列表
-
Markdown
- Text-to- HTML conversion tool Authors
- John
- Luke
如何创建一个注脚
一个具有注脚的文本。1
注释也是必不可少的
Markdown将文本转换为 HTML。
KaTeX数学公式
注脚的解释 ↩︎