R中的归一化函数答案

【问题标题】：Normalization function in RR中的归一化函数
【发布时间】：2015-04-18 06:48:21
【问题描述】：

我有一个要转换的矩阵，这样转换后的数据集中的每个特征都具有 0 的均值和 1 的方差。

我尝试使用以下代码：

scale <- function(train, test) 
{   
trainmean <- mean(train)
trainstd <- sd(train)
xout <- test
for (i in 1:length(train[1,])) {
    xout[,i] = xout[,i] - trainmean(i)
}
for (i in 1:lenght(train[1,])) {
    xout[,i] = xout[,i]/trainstd[i]
}

}
invisible(xout)

normalized <- scale(train, test)

但是，这对我不起作用。我在正确的轨道上吗？

编辑：我对语法很陌生！

【问题讨论】：

标签： r normalization

【解决方案1】：

您可以为此使用内置的scale 函数。

下面是一个例子，我们用 0 到 1 之间的随机均匀变量填充矩阵并居中并缩放它们以具有 0 均值和单位标准差：

m <- matrix(runif(1000), ncol=4)    
m_scl <- scale(m)

确认列均值为 0（在容差范围内）且其标准差为 1：

colMeans(m_scl)
# [1] -1.549004e-16 -2.490889e-17 -6.369905e-18 -1.706621e-17

apply(m_scl, 2, sd)
# [1] 1 1 1 1

更多详情请见?scale。

要编写自己的规范化函数，您可以使用：

my_scale <- function(x) {
  apply(m, 2, function(x) {
    (x - mean(x))/sd(x)
  }) 
}

m_scl <- my_scale(m)

或以下，在较大的矩阵上可能更快

my_scale <- function(x) sweep(sweep(x, 2, colMeans(x)), 2, apply(x, 2, sd), '/')

【讨论】：

谢谢。这是家庭作业，因此我尝试自己编写一个函数，但我很可能会使用内置函数，因为我已经花了太多时间编写自己的函数。
感谢您的澄清！

【解决方案2】：

根据我的经验，只是建议另一个自己编写的规范化函数避免apply 比矩阵计算慢：

m = matrix(rnorm(5000, 2, 3), 50, 100)

m_centred = m - m%*%rep(1,dim(m)[2])%*%rep(1, dim(m)[2])/dim(m)[2]
m_norm = m_centred/sqrt(m_centred^2%*%rep(1,dim(m)[2])/(dim(m)[2]-1))%*%rep(1,dim(m)[2])

## Verirication
rowMeans(m_norm)
apply(m_norm, 1, sd)

（注意这里考虑的是行向量）

【讨论】：

我无法计算出此处居中（并随后缩放）的内容。行向量和列向量都没有接近 0 的均值，也没有接近 1 的方差。这里有错字吗？我的矩阵代数很粗略，但我希望看到它起作用:)
对不起，我忘记了dim(m)[2]每次的划分，现在修改
好吧，可能有一些错位的(，因为我在没有 R 的情况下写道；现在已修复
非常好！谢谢你的坚持。我曾怀疑您之前无法对其进行测试。