归一化详细推导

已于 2023-07-06 20:12:36 修改
阅读量1.2k 收藏
点赞数
分类专栏： pytorch 文章标签： python 算法 人工智能
于 2023-06-19 17:00:29 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qq_24946843/article/details/131289594
版权
pytorch 专栏收录该内容
31 篇文章 453 订阅 ¥9.90 ¥99.00
订阅专栏
博客详细介绍了数据归一化的数学原理，包括一组数减去平均数的差的和为0的性质，以及如何通过变换使数据的均值为0，标准差为1。文章提到了在机器学习中常用的StandardScaler库，该库用于将数据转换为标准正态分布。
摘要由CSDN通过智能技术生成

1. 一组数减去平均数的差的和为0。

一组数：a1,a2,a3,……,an,
平均数：a=(a1+a2+……+an)/n,
则 a1+a2+……+an=n*a,

从而，每一个数减去平均数的差的和为
(a1-a)+(a2-a)+……+(an-a)
=(a1+a2+……+an)-n*a
=0

2. 设原始数据x_{1}均值及标准差为(\mu _{1},s_{1})，将原始数组经过变换后得到x_{2}使得均值及标准差为(\mu _{2},s_{2})。

则

了解本专栏 订阅专栏 解锁全文
东城青年
关注
专栏目录
订阅专栏
高斯分布归一化、期望、二阶矩、方差推导证明
qq_37549266的博客
07-15 1万+
目录 写在前面的唠叨： 归一化推导证明： 期望（一阶矩）推导证明： 二阶矩推导证明： 方差推导证明： 写在前面的唠叨： 最近这段时间一直在研究深度学习之类的东西，虽然如今对几种常见的神经网络都有了很好的了解，用起来也比较顺手，但是越学也越觉得瓶颈越来越明显了，最大的问题觉得还是数学基础不行，学习那些常见的模型已经把线性代数的知识捡的差不多了，而到了想自己设计模型的时候，才忽然发...
归一化（标准化）
qq_49785839的博客
04-10 7919
归一化常见有三种方式： (1)线性归一化 将数据归一化到一个范围 最大值y,和最小值x，即 [x,y] ,一般是 [0,1]. y=(x-min)/(max-min) 推导过程可以用一元方程y=ax+b进行推导： 0 = min *a+b 1=max*a+b ===>a=1/(max-min) ; b = -min/(max - min) ===>y=(x-min)/(max-min) pytorch中transforms中ToTensor就是将数据转成tensor后进行 [0，1] 的标
归一化方法总结
young951023的博客
10-30 7万+
参考自： http://blog.csdn.net/zbc1090549839/article/details/44103801 http://blog.csdn.net/junmuzi/article/details/48917361 归一化方法（Normalization Method） 1。 把数变为（0，1）之间的小数 主要是为了数据处理方便提出来的，把数据映
【机器学习-监督学习】逻辑斯谛回归
最新发布
Morse_Chen的博客
08-19 2054
本文讲解了二分类问题的最简单的线性模型：逻辑斯谛回归。利用最大似然估计解决了模型优化与训练的问题，在数据集上分别用梯度下降法和sklearn中的工具进行了实践，并推导了交叉熵的公式，得到分类问题中交叉熵与最大似然估计的等价性。
机器学习(三)-多元线性回归(数学推导及代码实现)
草帽boy的博客
10-15 1003
前面讨论了 y = ax + b 考虑的只有一个 特征值(因素)的情况下,但在很多情况下 特征值不只有一个 打个比方 要预测房价 要考虑的不只是面积 还要有 地段 建造年代 户型 等等 ,此时就要用到多元线性回归了。 (θ0,θ1,θ2,θ3,.....,θn)(\theta_{0},\theta_{1},\theta_{2},\theta_{3},.....,\theta_{n})(θ0​,θ...
华为杯中国研究生数学建模竞赛D题-抗乳腺癌候选药物的优化建模-思路
aistudyboy的博客
10-16 2099
问题 1. 根据文件“Molecular_Descriptor.xlsx”和“ERα_activity.xlsx”提供的数 据，针对 1974 个化合物的 729 个分子描述符进行变量选择，根据变量对生物活 性影响的重要性进行排序，并给出前 20 个对生物活性最具有显著影响的分子描 述符（即变量），并请详细说明分子描述符筛选过程及其合理性。 问题一难度较低，主要是找出对生物活性最具有显著影响的分子描述符，具有影 响意味着该分子描述符与生物活性的相关性越高，因此可以构建相关性分析模型 .
2021年中国研究生数学建模竞赛D题参考思路
laoge1016的博客
10-16 5640
问题一难度较低，主要是找出对生物活性最具有显著影响的分子描述符，具有影响意味着该分子描述符与生物活性的相关性越高，因此可以构建相关性分析模型来分别计算各分子描述符与生物活性的关系，找出相关性最大的20个变量即可。目前有同学说用皮尔逊系数做的结果并不是很好，这是因为皮尔逊系数主要适用于单调线性变化的数据，而题目中的数据并没有明显的单调性质，因此得到的结果可能并不好，这时候建议大家可以试一下灰色关联分析模型，他是根据因素之间发展趋势的相似或相异程度，亦即“灰色关联度”，作为衡量因素间关联程度的一种方法。 灰色
雷达信号处理中的匹配滤波的Matlab仿真及其增益和归一化系数推导
10-25
内容概要：文中对信号、白噪声的增益分别进行了推导。结合Matlab仿真进行了验证。 适合人群：对雷达信号处理感兴趣的人员 能学到什么：1）增益计算公式；3）算法的Matlab实现。 阅读建议：学习过程要结合仿真程序与...
matlab的pca为什么要零均值化,特征归一化特性及其数学原理推导
weixin_42513387的博客
03-24 2129
前言买了本《百面机器学习》看着玩，虽然已经毕业了，机器学习还是放不下吧，希望以后新的机会出现能够及时抓住。书中第一章「特征工程」的“01 特征归一化”(第002-003页)提到：对数值类型的特征做归一化可以将所有的特征都统一到一个大致相同的数值区间内。最常用的方法主要有以下两种。(1)线性函数归一化(Min-Max Scaling)。它对原始数据进行线性变换，使结果映射到[0, 1]的范围，实现对...
机器学习-数据归一化方法（Normalization Method）
热门推荐
Microstrong
11-26 10万+
我的个人微信公众号：Microstrong 微信公众号ID：MicrostrongAI 公众号介绍：Microstrong(小强)同学主要研究机器学习、深度学习、计算机视觉、智能对话系统相关内容，分享在学习过程中的读书笔记！期待您的关注，欢迎一起学习交流进步！ 知乎专栏：https://zhuanlan.zhihu.com/Microstrong 个人博客：https://blog.csd...
深度学习（二） 神经网络基础算法推导与实践
Hello World!
02-21 3726
深度学习的核心就是各种不同的神经网络模型（CNN、RNN、GCN、GNN等）的学习和训练过程。这些神经网络模型的共同点都是一个“黑盒子”，通过一定的学习算法将大量数据交给模型训练，不断缩小模型预测值与真实值之间的误差，最终将精度达到一定阈值的模型应用到实际场景当中。所以，整个深度学习可以概括为：一个 大数据整理-模型搭建-网络训练-数据预测 的过程。
归一化和相关性的计算
陈海明 -全栈
07-10 3311
1.认识归一化 总结1：归一化是使计量（物理）系数值的绝对值变成某种相对值的相关性办法 总结2：在以前的本科化学的量子学里，表达粒子的量子态的波函数必须满足归一条件，也就是说，在空间内找到粒子的概率必须等于1。这性质称为归一性。 总结3：波函数是一个复函数。 概率密度是一个实函数，空间内积分和为1，称为概率密度函数。所以在区域内，找到粒子的概率是1。 总结4：假若，从解析薛定谔方程而得到的波函数，其概率是有限的，但不等于1，则可以将波函数乘以一个常数...
BN层Batch Normalization的理解
you 是 mine
11-09 930
前言 1. 特征分布对神经网络训练的作用 在神经网络的训练过程中，我们一般会将输入样本特征进行归一化处理（图片进入模型前，进行除255操作等），使数据变为均值为0，标准差为1的分布或者范围在0~1的分布。因为当我们没有将数据进行归一化的话，由于样本特征分布较散，可能会导致神经网络学习速度缓慢甚至难以学习。 2. BN的作用 但是我们以前在神经网络训练中，只是对输入层数据进行归一化处理，却没有在中间层进行归一化处理。要知道，虽然我们对输入数据进行了归一化处理，但是输入数据经过σ ( W X + b ) σ(W
再谈机器学习中的归一化方法（Normalization Method）
weixin_30701521的博客
03-06 1282
机器学习、数据挖掘工作中，数据前期准备、数据预处理过程、特征提取等几个步骤几乎要花费数据工程师一半的工作时间。同时，数据预处理的效果也直接影响了后续模型能否有效的工作。然而，目前的大部分学术研究主要集中在模型的构建、优化等方面，对数据预处理的理论研究甚少，可以说，很多数据预处理工作仍然是靠工程师的经验进行的。从业数据建模/挖掘工作也有近2年的时间，在这里结合谈一谈数据预处理中归一化方法。 ...
归一法的计算方法讲解_数学归一法是什么能举个具体例子吗
weixin_39881958的博客
12-21 6108
展开全部归一化方法有两种形式，一种是把数变为(0，1)之间的小数，一种是把有量纲表达62616964757a686964616fe59b9ee7ad9431333431353337式变为无量纲表达式。主要是为了数据处理方便提出来的，把数据映射到0～1范围之内处理，更加便捷快速，应该归到数字信号处理范畴之内。例：{2.5 3.5 0.5 1.5}归一化后变成了{0.3125 0.4375 0.062...
神经网络归一化过程(详细实例、公式、代码)
dbat
02-21 2万+
原文来自：《老饼讲解神经网络》 目录 一. 归一化与反归一化 二. 例子实讲 三. 完整代码例子 四.网络表达式的反归一化 为了方便网络训练得更优秀，一般会先将输入输出数据归一化，再进行训练。训练完后，在用网络预测时，还需要将网络的预测值反归一化。 本文讲述神经网络的归一化和反归一化 一. 归一化与反归一化 训练前，为避免各个输入变量的数量级差异过大，影响求解算法的效果，一般会先将数据归一化到[-1，1]的区间。 PASS: 归一化的好处不仅仅是为了避免数量级的影响。详细可以看文章.
多路归一化切割的原理和公式推导
06-01
下面是多路归一化切割的公式推导： 1. 首先，对图像进行预处理，将其进行灰度归一化。设归一化后的图像为g(x,y)，其灰度值范围为[0,1]。 2. 对g(x,y)进行m次切割，得到m个二值图像g_i(x,y)，i = 1,2,...,m。其中，...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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

打赏作者

东城青年

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
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