Image processing 计算机视觉:计算描述符的标准化值
我正在做图像分类项目,我已经制作了特征语料库 我想为-1到1之间的PyBrain输入规范化我的特征,我使用以下公式规范化特征Image processing 计算机视觉:计算描述符的标准化值,image-processing,computer-vision,normalization,data-mining,pybrain,Image Processing,Computer Vision,Normalization,Data Mining,Pybrain,我正在做图像分类项目,我已经制作了特征语料库 我想为-1到1之间的PyBrain输入规范化我的特征,我使用以下公式规范化特征 Normalized value = (Value - Mean ) / Standard Deviation 但是它给了我一些-3到3之间的标准值,这是非常不准确的 我在pybrain中有100个输入,pybrain有1个输出。如果您有正的数据集,您可以使用此公式规范化您的值 Normalized value = (Value / (0.5*Max_Value) )
Normalized value = (Value - Mean ) / Standard Deviation
但是它给了我一些-3到3之间的标准值,这是非常不准确的
我在pybrain中有100个输入,pybrain有1个输出。如果您有正的数据集,您可以使用此公式规范化您的值
Normalized value = (Value / (0.5*Max_Value) )-1;
这将为您提供范围为[-1,+1]的值
如果您有正面和负面的:
Normalized value = ((Normalized - Min_Value)/(Max_Value-Min_Value)-0.5)*2
也许你可以这样做:
Mid_value = ( Max_value + Min_Value )/2
Max_difference = ( Max_value - Min_Value )/2;
Normalized_value = ( Value - Mid_value )/Max_difference;
标准化的_值应在[-1,+1]范围内。您使用的方程式是标准化方程式。它不能保证您的值在-1中;1但它会重新缩放数据,使平均值为0,之后的标准偏差为1。但是点可以超过平均值标准偏差的1倍 有多个选项可以绑定数据
tanh
(在神经网络中非常流行)1/max(abs(dev))
1/max(abs(dev))
2*(x-min)/(max-min)-1
我假设输入是正的。。我的错误是公式不正确,返回的值可能比-1小得多。例如,考虑输入数据集[-100,1,2]。甚至更糟:[-1,-2,-3,0]仍然不能正常工作,afaict-上一次我匆忙回答:D是的,当然你是对的,你正在做的是居中/标准化=>所以修改后,平均值将为0(居中),标准偏差将为1(标准化)。这是一种非常有效的预处理数据的方法。