Hogyan normalizálására minta besorolása verem túlcsordulás probléma orosz
Átadom tanfolyam coursera.
Elvégezni a munkát meg kell, hogy normalizálja a minta osztályozási feladat a két karakter, és egyetlen cél változó. Amikor egyszerűen betölteni egy minta:
És elérem a következő kódot:
Szintén figyelmeztetés jelenik meg:
De módosulni (1, -1) fordul az én jellemző vektoros alakzatot (300, 2) a vektoros alakzatot (1, 600).
hogy a probléma továbbra is fennáll, miután az ilyen átalakításokat besorolás feladatot? (By kivétel, azt tanácsolják, hogy értékelési eljárás lineáris regresszió - nem)
Hogyan lehet normalizálni a tünetek erre a problémára?
formálja - megváltoztatja dimenziója a tömb, de ez nem változtatja meg magát az adatot. Normalizálása az adatokat (vagy attribútumokat) - hozza az azonos méretű. Például, az életkor, a fizetés - életkora 0 és 100, 0 a fizetések <много> - Normalizált érték beállítható lesz az a [0; 1]. Mit valóban szeretne csinálni - a dimenzió a tömb, illetve normalizálja a tünetek? Működés egymással nincsenek kapcsolatban - normalizált adatok ugyanaz lesz a dimenzió. - m9_psy április 3 at 00:42
@ M9_psy Ez igaz. De ahhoz, hogy normalizálják a mintát sklearn követően egy figyelmeztetést, amit tennie kell átformálni vektor, ami 300 tárgyat két jellemzői 600 oldalakat egyetlen. Össze voltam zavarodva azt. arra is szükség van, hogy nyújtson be a vektorok és a cél vektor mindössze 300 értékek - az egyik a tárgy, és hogyan lehet belőle 600 - szintén tisztázatlan. Mindenesetre, köszönöm. - justpainm8 április 3., 15:00
StandardScaler van rá szükségem normalizálása. A feladat képzett sklearn.linear_model.Perceptron. Fő probléma az, hogy scaler.transform () függvény módosulni tenni, ha a számos funkció nem felel meg a számát célváltozókat (300x2 vs 300 az én esetemben), majd a mintát megsemmisül - kiderül, hogy a 300 tárgyat két megjelölés alakítjuk 600 egy. - justpainm8 április 4. at 19:51
@ Justpainm8, akkor nem értem, mi a kérdés - x_train_scaled = scaler.fit_transform (x_train) ad egy normalizált „adatállomány” - csak dolgozni velük. y_train - nem kell normalizálni. - MaxU április 4. at 20:05