R中Keras的数据标准化答案

【问题标题】：Standardisation of data for Keras in RR中Keras的数据标准化
【发布时间】：2021-12-28 18:12:50
【问题描述】：

我在 R 中使用 Keras 和 TensorFlow。为了规范化数据，我编写了这个函数

df=data.frame(
        Column_1=seq(1,10),
        Column_2=seq(11,20))
   
normalization_data <- function(df){
     data=(df$Column_1-mean(df$Column_1))/sd(df$Column_1)
     return(data)
   }

这个功能很好用，给我很好的结果，但只适用于一列。你可以在下面看到结果

   normalized_data<-  normalization_data(df)
   normalized_data
[1] -1.4863011 -1.1560120 -0.8257228 -0.4954337 -0.1651446  0.1651446  0.4954337  0.8257228  1.1560120
[10]  1.4863011

那么任何人都可以帮助如何更改此功能以便与数据框中的所有其他列一起使用吗？

【问题讨论】：

我建议使用scale 函数。无需重新发明轮子。
什么是重新缩放比例的相反功能？
我将在下面添加一个快速示例，说明如何缩放数字矩阵以及如何取消缩放。

标签： r keras dplyr

【解决方案1】：

这个功能都包含在基础 R 中。假设我们有一个数字矩阵/data.frame：

tst <- matrix(rnorm(n <- 30, 5), nrow = n/3)

tst
#>           [,1]     [,2]     [,3]
#>  [1,] 4.829019 5.512795 5.079292
#>  [2,] 5.936711 5.609443 5.365723
#>  [3,] 5.532721 5.933239 5.419975
#>  [4,] 4.857640 3.771058 6.097233
#>  [5,] 4.616931 6.160274 3.499183
#>  [6,] 4.639770 6.391719 2.508426
#>  [7,] 6.710327 4.295331 5.860477
#>  [8,] 4.110706 5.283023 5.222424
#>  [9,] 5.422139 4.204371 5.724206
#> [10,] 4.413287 6.060544 5.768139

现在缩放该对象：

tst_scaled <- scale(tst)

tst_scaled
#>             [,1]        [,2]        [,3]
#>  [1,] -0.3519527  0.20749667  0.02159387
#>  [2,]  1.0508778  0.31270353  0.27115886
#>  [3,]  0.5392462  0.66517525  0.31842816
#>  [4,] -0.3157060 -1.68848936  0.90851618
#>  [5,] -0.6205499  0.91231582 -1.35513839
#>  [6,] -0.5916256  1.16425789 -2.21837548
#>  [7,]  2.0306182 -1.11778652  0.70223277
#>  [8,] -1.2616555 -0.04262486  0.14630372
#>  [9,]  0.3992004 -1.21680202  0.58350100
#> [10,] -0.8784529  0.80375360  0.62177933
#> attr(,"scaled:center")
#> [1] 5.106925 5.322180 5.054508
#> attr(,"scaled:scale")
#> [1] 0.7896126 0.9186446 1.1477238

反之，取消缩放该对象：

tst_unscaled <- tst_scaled %*% 
  diag(attr(tst_scaled, "scaled:scale")) + 
  matrix(
    rep(attr(tst_scaled, "scaled:center"), nrow(tst_scaled)), 
    ncol = ncol(tst_scaled), 
    byrow = TRUE
  )

tst_unscaled
#>           [,1]     [,2]     [,3]
#>  [1,] 4.829019 5.512795 5.079292
#>  [2,] 5.936711 5.609443 5.365723
#>  [3,] 5.532721 5.933239 5.419975
#>  [4,] 4.857640 3.771058 6.097233
#>  [5,] 4.616931 6.160274 3.499183
#>  [6,] 4.639770 6.391719 2.508426
#>  [7,] 6.710327 4.295331 5.860477
#>  [8,] 4.110706 5.283023 5.222424
#>  [9,] 5.422139 4.204371 5.724206
#> [10,] 4.413287 6.060544 5.768139

确认我们的原始对象和未缩放对象是相同的：

identical(tst_unscaled, tst)
#> [1] TRUE

【讨论】：

【解决方案2】：

函数可以改成

normalization_vec <- function(x) {
    (x - mean(x))/sd(x)
}

然后使用

data.frame(lapply(df, normalization_vec))
 Column_1   Column_2
1  -1.4863011 -1.4863011
2  -1.1560120 -1.1560120
3  -0.8257228 -0.8257228
4  -0.4954337 -0.4954337
5  -0.1651446 -0.1651446
6   0.1651446  0.1651446
7   0.4954337  0.4954337
8   0.8257228  0.8257228
9   1.1560120  1.1560120
10  1.4863011  1.4863011

或者可以将代码包装在单个函数中

normalization_data <- function(dat) {
    data.frame( lapply(dat, function(x) {
          (x - mean(x))/sd(x)
      }))
}
normalization_data(df)

【讨论】：