特征缩放的矢量化

Question

我想用2列来标度矩阵(X)。我使用的是平均归一化，我用Octave写了以下几行：

X_norm = X
mu = mean(X);
sigma = std(X);
X_norm(:,1) = (X_norm(:,1) .- mu(:,1)) ./ sigma(:,1);
X_norm(:,2) = (X_norm(:,2) .- mu(:,2)) ./ sigma(:,2); 

你能告诉我一种更干净的方法来矢量化这些计算吗？

我通过与来自zscore(X)的结果进行比较来检查我的代码，结果与它们匹配--也就是说，一个sum(X_norm - zscore(X))返回了0。

我不得不不使用zscore()，这就是问题所在。

抽样数据如下：

2104      3
1600      3
2400      3
1416      2
3000      4
1985      4
1534      3
1427      3
1380      3
1494      3
1940      4
2000      3
1890      3
4478      5
1268      3
2300      4
1320      2
1236      3
2609      4
3031      4
1767      3
1888      2
1604      3
1962      4
3890      3
1100      3
1458      3
2526      3
2200      3
2637      3

Answer 1

你可以简单地做：

X_norm = (X .- mean(X,1)) ./ std(X,0,1);

Answer 2

在交叉验证过程中，面临着零分割问题。这对我有用。

mu = mean(X);
X_norm = X - mu;
sigma = std(X);

% Skip zero div
sigmaZeroIdx = sigma == 0;
sigma(1,sigmaZeroIdx) = 1;

X_norm = X_norm ./ sigma;

Answer 3

我认为您可以为N个特性的大小应用for循环。

X_norm = X;
mu = zeros(1, size(X, 2));
sigma = zeros(1, size(X, 2));

for iter = 1:num_iters;
  mu(1,iter) = mean(X_norm(:,iter)); 
  X_norm(:,iter) = X_norm(:,iter) .- mu(1,iter);
  
  sigma(1,iter) = std(X_norm(:,iter));  
  X_norm(:,iter) = X_norm(:,iter) ./ mu(1,iter); 
end