如何标准化从 - inf 到 +inf 在 0,1 之间的数据，其中值 0 在标准化时始终等于 0.5？答案

【问题标题】：How to normalize data that goes from - inf to +inf between 0,1 where the value 0 is always equals to 0.5 when normalized?如何标准化从 - inf 到 +inf 在 0,1 之间的数据，其中值 0 在标准化时始终等于 0.5？
【发布时间】：2020-02-11 15:28:35
【问题描述】：

我正在尝试对神经网络的数据集进行规范化，数据集中的负值和正值可以从 -inf 变为 +inf。我需要对 0,0.5 之间的负值和 0.5,1 之间的正值进行归一化，但归一化的数据永远不会达到 0 或 1，因为它们分别是 -inf 和 +inf。

我可以用 python 做到这一点吗？

对不起，我生疏的英语，如果这个问题看起来很愚蠢，但我真的在努力解决这个数学问题。

【问题讨论】：

您的具体要求是什么？归一化是否应该始终将相同的输入归一化为相同的输出，而不管数据集中还有什么？归一化是否总是导致归一化的最低和最高输出为 0 和 1？规范化方法不可能同时具有这两个属性。

标签： python normalization sigmoid

【解决方案1】：

您可以使用 sigmoid 函数。


Sigmoid function

import numpy as np

def sigmoid(x):
  return 1 / (1 + np.exp(-x))

但 sigmoid 并不是唯一这样做的函数。也请查看tanh(x)。

tanh(x) = (exp(x) - exp(-x))/(exp(x) - exp(-x)) = sigmoid(2x) - sigmoid(-2x)

参考

How to calculate a logistic sigmoid function in Python?

【讨论】：

【解决方案2】：

看看sigmoid function

【讨论】：