numpy tensorflow 输入矩阵量纲归一化

#numpy tensorflow 输入矩阵量纲归一化

import numpy as np

def MaxMinNormalization(x,Max,Min): //矩阵归一化
    x = (x - Min) / (Max - Min)
    return x



arr = np.array(range(0, 12))
arr = arr.reshape((3,4))
print (arr)


arr0 = arr[:,0] 
arr0 = arr0.reshape(arr0.shape[0],1) #numpy 一维矩阵转置
arr0 = MaxMinNormalization(arr0, 8, 0)
print(arr0)

arr1 = arr[:,1]
arr1 = arr1.reshape(arr1.shape[0],1)
arr1 = MaxMinNormalization(arr1, 9, 1)
print(arr1)

arr2 = arr[:,2] 
arr2 = arr2.reshape(arr2.shape[0],1)
arr2 = MaxMinNormalization(arr2, 10, 2)
print(arr2)

arr3 = arr[:,3] 
arr3 = arr3.reshape(arr3.shape[0],1)
arr3 = MaxMinNormalization(arr3, 11, 3)
print(arr3)




arr4 = np.concatenate([arr0, arr1, arr2, arr3], 1)
print(arr4)


  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值