問題タブ [standardization]

I have doubts on making my samples comparable with each other. I have 3 replicates for each 2 group (Test and Control). I want to look at how proteins change. For that, I firstly did median centralization for each column of my replicate. Then, I applied a statistical test to compare 2 different conditions in order to find out which proteins change statistically. Then, I divided test group proteins to control and take the log2 value. At the end, I draw the volcano plot. (Since I am not comparing the samples, but proteins, applying the centralization is not a problem I think).

Do you think that my method is true? I know that when centralizing the data, standard deviation between each protein level is not standardized to 1. But, in which cases should I use median standardization and in which cases should I use median centralization. I have encountered many researchers have no idea about the median standardization and applying median scaling (dividing each replicate of data to median values). I am not much familiar with the concept, and have a little doubt about in which data set should I use normalization or standardization. Thank you in advance.

アクティベーション関数を適用する前に、各チャネルで CNN 内の画像を正規化したいと考えています。これは pytorch の InstanceNorm2d が行うことであり、軸が (N、H、W、C) であるためLayerNormalization、パラメーターでテンソルフローを使用することでこの動作を模倣できると考えました。axis=-1これは私の入力画像の形状 (1, 128, 128, 1) です。

この方法で正規化を適用すると、出力イメージは次のようになります。

私はこの振る舞いを理解していません。誰かが私が間違っていることを知っていますか? どんな助けでも大歓迎です！

プラットフォームのユーザー登録数の毎日の時系列データがあります。系列は非定常であり、対数変換を使用した後または差 (一次差または季節差) を取得した後でも、分散が一定ではないようです。

解決策として、定常性をもたらす方法として、標準化（（x - ローリング平均）/ローリング標準偏差）と差分を使用しています。しかし、問題は、この定常系列にモデルを当てはめた後、元のスケールで将来の予測をどのように行うかということです。

その期間のローリング統計を知らずに、将来の予測のために標準化操作を元に戻すにはどうすればよいでしょうか?

glmnet パッケージの標準化オプションについて 1 つ質問があります。
係数を意味のあるものにするために、回帰分析にはデータセットのスケーリングまたは標準化が必要であることを理解しています。
通常、線形回帰 (R で glm 関数を使用する場合など) だけを行う場合は、glm モデルを実行する前に、scale() 関数を使用してデータセットを手動でスケーリングします。
ただし、(正規化された回帰のために) glmnet パッケージを使用する場合、標準化オプションはデータセットを標準化し、それによって係数を意味のある (比較可能な) ものにするようです。私は正しいですか？

これが正しければ、次のコードを実行するとします。そして、変数 "x3" が最大の係数 (絶対値スケール) を持っていることがわかります。それでは、変数「x3」がカテゴリを識別する上で最も重要な変数であると結論付けることができますか???

どなたかご意見お待ちしております！！ありがとう。