回答編集履歴
3
edit
answer
CHANGED
|
@@ -4,7 +4,7 @@
|
|
|
4
4
|
予測しようとしているデータの分布によるんじゃないですか？
|
|
5
5
|
|
|
6
6
|
もともとlogで分布しているものから平均と分散をいじっても正規分布にならないじゃないですか。
|
|
7
|
-
モデルに学習させるときに正規分布が必要なので。
|
|
7
|
+
それでも、モデルに学習させるときに正規分布が必要なので、うまい変換を施します。
|
|
8
8
|
|
|
9
9
|
x=e^xの変数変換の末に標準分布になるケースがある、ということなら納得できますか？
|
|
10
10
|
|
2
edit
answer
CHANGED
|
@@ -6,4 +6,24 @@
|
|
|
6
6
|
もともとlogで分布しているものから平均と分散をいじっても正規分布にならないじゃないですか。
|
|
7
7
|
モデルに学習させるときに正規分布が必要なので。
|
|
8
8
|
|
|
9
|
-
x=e^xの変数変換の末に標準分布になるケースがある、ということなら納得できますか？
|
|
9
|
+
x=e^xの変数変換の末に標準分布になるケースがある、ということなら納得できますか？
|
|
10
|
+
|
|
11
|
+
```python
|
|
12
|
+
import numpy as np
|
|
13
|
+
from numpy.random import lognormal
|
|
14
|
+
import matplotlib.pyplot as plt
|
|
15
|
+
fig, (ax1, ax2, ax3, ax4) = plt.subplots(4, 1)
|
|
16
|
+
|
|
17
|
+
s = lognormal(size=1000)
|
|
18
|
+
ls = np.log(s)
|
|
19
|
+
ns = (s - s.mean()) / s.std()
|
|
20
|
+
nls = (ls - ls.mean()) / ls.std()
|
|
21
|
+
|
|
22
|
+
def p(ax, s):
|
|
23
|
+
ax.hist(s, bins=np.linspace(s.min(), s.max(), 100))
|
|
24
|
+
p(ax1, s)
|
|
25
|
+
p(ax2, ns)
|
|
26
|
+
p(ax3, ls)
|
|
27
|
+
p(ax4, nls)
|
|
28
|
+
plt.show()
|
|
29
|
+
```
|
1
edit
answer
CHANGED
|
@@ -1,4 +1,5 @@
|
|
|
1
1
|
https://www.kaggle.com/yww061851/data-preprocessing
|
|
2
|
+
http://forums.fast.ai/t/data-pre-processing-for-the-input-having-very-small-values/13656
|
|
2
3
|
|
|
3
4
|
予測しようとしているデータの分布によるんじゃないですか？
|
|
4
5
|
|