実験棟-Python Numpy 100題実験(九):いくつかの標準化アルゴリズムの実現

これらの問題を単独で出して、一つに分類しましょう.標準化アルゴリズムです.本説明の主な内容:

Z-Score標準化アルゴリズム

Min-Max標準化アルゴリズム

L 2パターン標準化データ

を適用
Z-Score標準化アルゴリズムによるデータの標準化処理
まずZ−Score標準化式を与える:Z=X−m e a n(X)s d(X)Z=frac{X−mean(X)}{sd(X)}Z=sd(X)X−mean(X)
実は公式を知っていればいいのですが、前の計算を総合しただけです.

def zscore(a,axis=None):
    amean = np.mean(a, axis=axis,keepdims=True )
    astd = np.std(a, axis=axis, keepdims=True)
    return (a - amean)/astd

a = np.random.randint(1, 10, 10)
print(zscore(a))

出力:

[-0.55418416  1.07576925  0.74977857  1.07576925  0.42378789  1.40175994
 -0.55418416 -1.20616553 -1.20616553 -1.20616553]

Min-Max標準化アルゴリズムによるデータの標準化処理
式:Y=Z−m i n(Z)m a x(Z)−m i n(Z)Y=frac{Z−min(Z)}{max(Z)−min(Z)}Y=max(Z)−min(Z)Z−min(Z)
相変わらず

def minmax(a, axis=None):
    a_min = np.min(a, axis=axis, keepdims=True)
    a_max = np.max(a, axis=axis, keepdims=True)
    return (a - a_min)/(a_max - a_min)

a = np.random.randint(1, 10, (3,3))
print(minmax(a))

出力:

[[0.57142857 0.42857143 1.        ]
 [0.28571429 0.28571429 0.42857143]
 [1.         1.         0.        ]]

L 2ノルムを用いたデータの標準化処理
L 2ノルムの計算式:L 2=x 1 2+x 2+..+x i 2 L_{2} =\sqrt{x_{1}^{2} + x_{2}^{2}+...+x_{i}^{2}} L2​=x12​+x22​+...+xi 2計算式に基づいて関数を書き出します.

def l2_normalize(v, axis=-1, order=2):
    l2 = np.linalg.norm(v, ord=order, axis=axis, keepdims=True)
    l2[l2==0] = 1
    return v/l2

z = np.random.randint(1, 10, (3,3))
print(l2_normalize(z))

出力:

[[0.11547005 0.80829038 0.57735027]
 [0.88345221 0.33129458 0.33129458]
 [0.64465837 0.24174689 0.72524067]]

Numpyを用いて実験室LOGOをいわゆるNdarray配列に変換する
これは最後の実験です.実験棟という広告です.いきなり.
参考答案を直接添付します.

from io import BytesIO
from PIL import Image
import PIL, requests

#         
URL = 'https://static.shiyanlou.com/img/logo-black.png'
response = requests.get(URL)

#         
I = Image.open(BytesIO(response.content))

#        Ndarray
shiyanlou = np.asarray(I)
shiyanlou

Numpy 100問題の実験はやっと片付けましたね.
终わって花を撒く!
以上