方差 标准差_数据均值、方差和标准差

本文介绍了数据标准化中的均值、方差和标准差的概念及其应用。在深度学习如pytorch中,常使用这些值进行数据预处理。标准差相对于方差更具直观性,适用于正态分布数据。同时,文章讨论了贝塞尔修正的重要性以及何时选择使用修正公式。最后,指出了均值和标准差适用的数据集条件,避免误用。
摘要由CSDN通过智能技术生成

在很多项目中,经常会对数据求均值、方差和标准差,来对数据进行标准化。

例如在pytorch中利用transforms.Normalize(mean_vals, std_vals)来做标准化。

COCO数据集的均值和方差为:

  • mean_vals = [0.471, 0.448, 0.408]
  • std_vals = [0.234, 0.239, 0.242]

ImageNet数据集的均值和方差为:

  • mean_vals = [0.485, 0.456, 0.406]
  • std_vals = [0.229, 0.224, 0.225]

1、平均值

所有数据之和除以数据点的个数,以此表示数据集的平均大小。

b654102107ad85562a2529850cd5e90e.png

2、方差、标准差

方差:是为了表示数据集中数据点的离散程度

af31197877ecf5d27ee3acbcf2a0251f.png

标准差:表示的是数据点的离散程度

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