首页def featureNormalize(X): mu = np.mean(X,axis=0) sigma = np.std(X,axis=0) X_norm = (X - mu)/sigma return X_norm, mu , sigma

def featureNormalize(X): mu = np.mean(X,axis=0) sigma = np.std(X,axis=0) X_norm = (X - mu)/sigma return X_norm, mu , sigma

时间: 2023-06-25 10:07:09 浏览: 122

np.mean np.cov numpy.corrcoef pyplot.scatter pyplot.contour函数

np.mean() 搬运 :https://blog.csdn.net/lilong117194/article/details/78397329?depth_1-utm_source=distribute.pc_relevant.none-task&utm_source=distribute.pc_relevant.none-task >>> a = np.array([[1, 2], [3, 4]]) >>> a array([[1, 2], [3, 4]]) >>> np.mean(a) 2.5 >>> np.mean(a, axis=0) # axis=0，计算每一列的均

这是一个用于对特征进行归一化的函数，它的输入为一个矩阵 X，其中每一列代表一个特征，每一行代表一个样本。函数返回三个值：归一化后的特征矩阵 X_norm，每个特征的均值 mu，每个特征的标准差 sigma。具体实现中，函数首先计算每个特征的均值和标准差，然后用均值和标准差对每个特征进行归一化，最后返回归一化后的特征矩阵 X_norm，均值 mu 和标准差 sigma。这个函数可以用于提高机器学习模型的训练效果，尤其是在使用基于梯度下降等优化方法时。

阅读全文