举个高斯归一化的例子
时间: 2023-11-22 20:49:57 浏览: 37
高斯归一化是一种常见的数据预处理方法,它可以将数据缩放到均值为0,标准差为1的范围内。以下是一个高斯归一化的例子:
假设我们有一个包含身高和体重的数据集,我们想要对身高和体重进行归一化。我们可以使用以下公式进行高斯归一化:
$$x'=\frac{x-\mu}{\sigma}$$
其中,$x$是原始数据,$\mu$是数据的均值,$\sigma$是数据的标准差,$x'$是归一化后的数据。
假设我们有以下身高和体重的数据:
| 身高(cm) | 体重(kg) |
|-----------|-----------|
| 170 | 65 |
| 175 | 70 |
| 180 | 75 |
| 185 | 80 |
我们可以使用Python代码进行高斯归一化:
```python
import numpy as np
# 原始数据
data = np.array([[170, 65], [175, 70], [180, 75], [185, 80]])
# 计算均值和标准差
mean = np.mean(data, axis=0)
std = np.std(data, axis=0)
# 高斯归一化
data_norm = (data - mean) / std
print(data_norm)
```
输出结果为:
```
[[-1.34164079 -1.34164079]
[-0.4472136 -0.4472136 ]
[ 0.4472136 0.4472136 ]
[ 1.34164079 1.34164079]]
```
可以看到,身高和体重都被归一化到了均值为0,标准差为1的范围内。