我们如何将 Theano 的训练数据映射到 0 到 1？答案

【问题标题】：How can we map training data to 0 to 1 for Theano?我们如何将 Theano 的训练数据映射到 0 到 1？
【发布时间】：2016-03-30 13:35:02
【问题描述】：

您可能知道，对于 Theano 中的训练任务，我们必须将训练数据映射到 0 到 1。我的训练数据也有负值。目前我正在使用这个公式：

x'=(x - min(x))/(max(x) - min(x))

这是由这段代码实现的：

for i in range (train_x.shape[0]):
    train_x[i,:] = ((train_x[i,:] - train_x[i,:].min(0)) /train_x[i,:].ptp(0))

这个公式正确吗？您对特征重新缩放有更好的想法吗？

【问题讨论】：

那些是 numpy 数组吗？大约 10 分钟前，我写道：(x - x.min(axis=0)) / x.ptp(axis=0) 看起来与您所拥有的几乎相同（没有循环）。在我看来，您只会在一行内进行规范化，而不是像您可能想要的那样跨行进行规范化。
感谢您的回复。是的，它们是 numpy 数组。你是对的。我担心在这种情况下，每行都会有一个 0 和一个 1。我们如何对所有行进行标准化？
我认为你应该可以使用我第一条评论中的表达方式（用train_x 代替x）。不需要循环。
我试过你的评论，但它不起作用。 These are the results:train_set_x= [[ 7.6990701 2.17705725 -3.49150865 ..., -0.33457212 1.02\ 0639 -0.52406797] [-1.50598435 0.52384467 -1.92651141 ..., -1.12350943 0.05220407 -0.06458882] [ 6.70513488 0.36322057 -1.53669312 ..., -1.59078881 -0.51936011 0.29170968] ..., [ 6.92596268 2.02438224 -3.15645995 ..., 0.23745564 1.52109066 -0.72535945] [ 6.00661444 1.44427386 -2.22867013 ..., -0.13492791 -0.95444645 0.51398081] [-6.28165553 0.07711241 0.52136293 ..., 0.36748433 0.51728437 0.1107671 ]]

【解决方案1】：

所以这是我对变量 t 进行标准化的方法，使用您的公式：

import numpy as np
t = np.array([[-1,-2,3,2],[2,1,3,-1]],dtype='float32')
b = (t-t.min(1).reshape(2,1))/t.ptp(1).reshape(2,1)
print b

它给出了正确的输出：

[[0.2, 0,   1, 0.8]
[0.75, 0.5, 1,   0]]

【讨论】：