0

次の形状のnumpy配列のいくつかの値を正規化しようとしています:

import numpy as np
X = np.random.rand(100, 20, 3)

このデータは、20 の観測ごとに 100 のタイム スタンプがあり、各観測には 3 次元の属性 (x、y、z) があることを示しています。次の方法で x、y、z 次元属性を正規化したい。ディメンションごとに、最小値を引き、結果の最大値で割ります (ディメンションの値を「中央に配置」するため)。

私はこれを次のようにしようとしました：

# center all features
for i in range(3):
  X[:][:][i] -= np.min(X[:][:][i])
  X[:][:][i] /= np.max(X[:][:][i])

ithただし、これはディメンションのすべての値を変更するわけではありません。

この方法でフィーチャを中央に配置するにはどうすればよいですか? 他の人が提供できるヘルプは大歓迎です!

4

2 に答える 2

1 
X -= np.amin(X, axis=(0, 1))
X /= np.amax(X, axis=(0, 1))

注: ドキュメントによるとnumpy.amin()(同様amax()):

操作する軸。デフォルトでは、平坦化された入力が使用されます。これが int のタプルである場合、以前のように1 つの軸またはすべての軸ではなく、複数の軸にわたって最小値が選択されます。

を指定することで、各「深さ」(第 3 軸) 要素のすべての行と列を見て最小値を見つけるaxis=(0, 1)ように求めます。numpy.amin()

ステップバイステップの図:

In [1]: import numpy as np
   ...: np.random.seed(0)
   ...: X = np.random.rand(2, 4, 3)
   ...: print("\nOriginal X:\n%s" % X)
   ...: xmin = np.amin(X, axis=(0, 1))
   ...: print("\nxmin = %s" % xmin)
   ...: X -= xmin
   ...: print("\nSubtracted X:\n%s" % X)
   ...: xmax = np.amax(X, axis=(0, 1))
   ...: X /= xmax
   ...: print("\nDivided X:\n%s" % X)
   ...: 
   ...: 

Original X:
[[[0.5488135  0.71518937 0.60276338]
  [0.54488318 0.4236548  0.64589411]
  [0.43758721 0.891773   0.96366276]
  [0.38344152 0.79172504 0.52889492]]

 [[0.56804456 0.92559664 0.07103606]
  [0.0871293  0.0202184  0.83261985]
  [0.77815675 0.87001215 0.97861834]
  [0.79915856 0.46147936 0.78052918]]]

xmin = [0.0871293  0.0202184  0.07103606]

Subtracted X:
[[[0.4616842  0.69497097 0.53172732]
  [0.45775388 0.4034364  0.57485805]
  [0.35045791 0.8715546  0.8926267 ]
  [0.29631222 0.77150664 0.45785886]]

 [[0.48091526 0.90537824 0.        ]
  [0.         0.         0.76158379]
  [0.69102745 0.84979375 0.90758228]
  [0.71202926 0.44126096 0.70949312]]]

xmax = [0.71202926 0.90537824 0.90758228]

Divided X:
[[[0.64840622 0.76760291 0.5858723 ]
  [0.64288633 0.44559984 0.63339497]
  [0.49219594 0.96264143 0.98352151]
  [0.41615174 0.85213738 0.50448193]]

 [[0.67541502 1.         0.        ]
  [0.         0.         0.8391347 ]
  [0.97050428 0.93860633 1.        ]
  [1.         0.48737748 0.78173972]]]
于 2018-10-16T13:49:58.117 に答える