Deep Q learningで連続変数の標準化

Question

いつも勉強させていただいてます。

いまChainerrlによるDeep Q　learningを試していますが、
データの標準化について教えてください。

連続変数が以下のリストのような0をまたいで-10以下～10以上の値を取る場合、
どのように標準化したらいいのでしょうか。
（０，１）で分けられる名義変数と共に用いる予定なので、他の連続変数の値も０～１の範囲にしたいと思っていますが、どのようにしたらいいでしょうか。
値はほとんど-10～10の値に入るようですが、正確には最小値、最大値は分からない状況です。
-10以下のものを―10として、10以上の値を10として正規化するのがいいのでしょうか。

[-0.0023340981421771097,
 10.10886891470353441,
 -0.8278840168666244,
 0.0,
 -10.17769576921076302,
 0.0,
 0.0,
 0.0,
 0.0,
 -1.4023147212763036,
 0.0,
 0.0,
 0.0]

Answer 1

数学的には-10から10を0から1に直したいなら、20分の一倍して-0.5から0.5に直した後に、全体を0.5平行移動となります。

ただ標準化してくれる関数が備わってる気がするので、調べてみるといいと思います。

最大最小がわからないのであれば、データごとに見つけてあげればいいと思います。

Comments

[kak]

ありがとうございます。0.5ずらせばいいんですね。
深層学習の時はデータが出ているので標準化できたんですが、強化学習の場合はデータを取りながらなので全体像が見えず困りました。
データをある程度収集してから最大最小を設定してみます。