Pythonでscikit-learnライブラリを使用してL2正規化を実装する方法を説明してください。
値の範囲を標準化された値の範囲に変換するプロセスは、正規化と呼ばれます。これらの値は、-1から+1または0から1の間である可能性があります。データは、減算と除算を使用して正規化することもできます。
L2正規化がどのように機能するかを理解しましょう。 「最小二乗法」とも呼ばれます。この正規化は、データの2乗の合計がすべての行で1のままになるようにデータを変更します。
PythonでScikitlearnを使用してL2正規化を実装する方法を見てみましょう-
例
import numpy as np from sklearn import preprocessing input_data = np.array( [[34.78, 31.9, -65.5],[-16.5, 2.45, -83.5],[0.5, -87.98, 45.62],[5.9, 2.38, -55.82]] ) normalized_data_l2 = preprocessing.normalize(input_data, norm='l2') print("\nL2 normalized data is \n", normalized_data_l2)
出力
L2 normalized data is [[ 0.43081298 0.39513899 -0.81133554] [-0.19377596 0.02877279 -0.98062378] [ 0.00504512 -0.88774018 0.4603172 ] [ 0.10501701 0.04236279 -0.99356772]]
説明
-
必要なパッケージがインポートされます。
-
入力データは、Numpyライブラリを使用して生成されます。
-
クラス「preprocessing」にある「normalize」関数は、すべての行の値の2乗の合計が1になるようにデータを正規化するために使用されます。
-
正規化のタイプは「l2」として指定されます。
-
このようにして、配列内のすべてのデータが正規化され、すべての行の二乗和は1のみになります。
-
この正規化されたデータはコンソールに表示されます。
-
Pythonの「seaborn」ライブラリを使用してデータを視覚的に表現するにはどうすればよいですか?
機械学習では、データからモデルを作成し、これまでに見たことのないデータを一般化します。入力として機械学習モデルに提供されるデータは、システムがデータを適切に理解して結果を生成できるようにする必要があります。 Seabornは、データの視覚化に役立つライブラリです。カスタマイズされたテーマと高レベルのインターフェースが付属しています。このインターフェースは、データの種類と、特定のフィルターが適用されたときのデータの動作をカスタマイズおよび制御するのに役立ちます。 Seabornライブラリには、さまざまなスタイルでの作業に役立つ「set_Style()」と呼ばれるインターフェースが含まれていま
-
scikit-learnライブラリを使用してPythonで画像の解像度を取得するにはどうすればよいですか?
データの前処理とは、基本的に、すべてのデータ(さまざまなリソースまたは単一のリソースから収集される)を共通の形式または統一されたデータセット(データの種類に応じて)に収集するタスクを指します。実際のデータは決して理想的ではないため、データにセルの欠落、エラー、外れ値、列の不一致などが含まれる可能性があります。場合によっては、画像が正しく配置されていないか、鮮明でないか、サイズが非常に大きいことがあります。前処理の目標は、これらの不一致やエラーを取り除くことです。 画像の解像度を取得するには、「shape」という名前の組み込み関数を使用します。画像が読み取られた後、ピクセル値は配列の形式で保存