回答編集履歴
3
edit
test
CHANGED
|
@@ -10,7 +10,7 @@
|
|
|
10
10
|
|
|
11
11
|
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。
|
|
12
12
|
|
|
13
|
-
モデルに学習させるときに正規分布が必要なので。
|
|
13
|
+
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。
|
|
14
14
|
|
|
15
15
|
|
|
16
16
|
|
2
edit
test
CHANGED
|
@@ -15,3 +15,43 @@
|
|
|
15
15
|
|
|
16
16
|
|
|
17
17
|
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？
|
|
18
|
+
|
|
19
|
+
|
|
20
|
+
|
|
21
|
+
```python
|
|
22
|
+
|
|
23
|
+
import numpy as np
|
|
24
|
+
|
|
25
|
+
from numpy.random import lognormal
|
|
26
|
+
|
|
27
|
+
import matplotlib.pyplot as plt
|
|
28
|
+
|
|
29
|
+
fig, (ax1, ax2, ax3, ax4) = plt.subplots(4, 1)
|
|
30
|
+
|
|
31
|
+
|
|
32
|
+
|
|
33
|
+
s = lognormal(size=1000)
|
|
34
|
+
|
|
35
|
+
ls = np.log(s)
|
|
36
|
+
|
|
37
|
+
ns = (s - s.mean()) / s.std()
|
|
38
|
+
|
|
39
|
+
nls = (ls - ls.mean()) / ls.std()
|
|
40
|
+
|
|
41
|
+
|
|
42
|
+
|
|
43
|
+
def p(ax, s):
|
|
44
|
+
|
|
45
|
+
ax.hist(s, bins=np.linspace(s.min(), s.max(), 100))
|
|
46
|
+
|
|
47
|
+
p(ax1, s)
|
|
48
|
+
|
|
49
|
+
p(ax2, ns)
|
|
50
|
+
|
|
51
|
+
p(ax3, ls)
|
|
52
|
+
|
|
53
|
+
p(ax4, nls)
|
|
54
|
+
|
|
55
|
+
plt.show()
|
|
56
|
+
|
|
57
|
+
```
|
1
edit
test
CHANGED
|
@@ -1,4 +1,6 @@
|
|
|
1
1
|
https://www.kaggle.com/yww061851/data-preprocessing
|
|
2
|
+
|
|
3
|
+
http://forums.fast.ai/t/data-pre-processing-for-the-input-having-very-small-values/13656
|
|
2
4
|
|
|
3
5
|
|
|
4
6
|
|