z_score,min_max——classification

最新推荐文章于 2020-12-12 04:59:54 发布

è¤è²çåºå

最新推荐文章于 2020-12-12 04:59:54 发布

阅读量192

点赞数

分类专栏：算法

本文链接：https://blog.csdn.net/weixin_43405448/article/details/90437589

版权

本文探讨了z_score和min_max两种常见的数据标准化方法在分类问题中的使用。z_score通过减去平均值并除以标准差将数据转换为标准正态分布，而min_max则通过缩放数据到特定范围实现标准化。这两种方法在预处理特征和改善模型性能方面发挥着重要作用。

摘要由CSDN通过智能技术生成

import keras
from keras import Sequential
from keras.layers import Dense, Dropout
from keras import backend
import numpy as np
from matplotlib import pyplot as plt
from keras.utils import to_categorical

np.seterr(divide='ignore', invalid='ignore')

gas = np.loadtxt('all_data.txt', delimiter=' ', dtype='float32')
# gas = all_data[np.where(all_data[:, 0] == 4)]
# np.savetxt('gas.txt', gas, fmt='%.5f')，目的是找出4号气体的浓度和所有数据
np.random.seed(133)
np.random.shuffle(gas)
gas_z_score = gas[:, 2:]

# z-score方法
gas_mean = np.mean(gas_z_score, axis=0)
gas_std = np.std(gas_z_score, axis=0)
gas_new = (gas_z_score - gas_mean) / gas_std
# from sklearn import preprocessing
# min_max_scaler = preprocessing.MinMaxScaler()
# gas_new = min_max_scaler.fit_transform(gas_z_score)
gas_train_attr = gas_new[:int(gas_new.shape[0] * 0.7)]
gas_train_label = gas[:int(gas.