问题标签 [standardized]

我目前正在使用 MATLAB 的LinearModel.fit函数运行多元线性回归，对于如何手动将交互项正确添加到模型中，我有点困惑。据我所知，LinearModel.fit它本身并没有标准化变量，所以我一直在手动进行。

到目前为止，我的做法是

1. 标准化每个变量的观察值
2. 将特定变量的相应标准化值相乘以创建交互项，然后将这些新变量添加到回归数据集中
3. 运行回归

这是正确的方法吗？在计算“原始”项之后，我是否也应该标准化交互项变量？任何帮助将不胜感激！

我目前正在使用神经网络对数据集进行分类。当然，在进行分类之前，应该对数据点或特征进行归一化。我用于神经网络的工具箱要求所有值都在 [0,1] 范围内。

首先应用 z 分数（零均值和单位标准差）然后缩放到范围 [0,1] 是否有意义？

其次，我应该沿特征向量还是数据点进行归一化（应用 z 分数或范围 [0,1]）？

我有一个包含 5 个数据框的列表，如下所示：

我还有一个 3 步公式和以下代码：

第 1 步 - 代码如下，需要为同一列的每一行计算。如果 x 是 "z" 、 "f" 或 "p" 的元素，则：

2 - 使用步骤 1 中的值从 0 重新调整 z 分数

3 - 重新调整第 2 步的 RZ 分数，使其介于 0 和 1 之间

我需要将此公式应用于列“z”、“p”、“f”，仅在 using 、或其他类型的循环objective_col <- colnames(mylist$'2006-01-05'[,3:5])的每个元素中：mylistapplysapplylapply

它可能看起来像：

输出应与mydf所有存储在相同的布局和格式mylist2 <- list()

随着我取得更多进展，我将继续更新此内容。我仍在学习如何使用循环和函数。感谢任何可以提供一些输入的人。

我需要生成许多（100k 阶）可变大小的随机向量，例如：

sum(v_i)=0和sum(v_i^2)=1

对于每个向量，总和为零，平方和为一。

这是我写的代码：

e1我需要的最终向量在哪里：sum(e1)=0和sum(e1^2)=1

是否有可能加快这一代？

我想应用缩放sklearn.preprocessing.scale模块，该模块scikit-learn提供用于将用于训练 svm 分类器的数据集居中。

然后如何存储标准化参数，以便我也可以将它们应用于我想要分类的数据？

我知道我可以使用，standarScaler但是我可以以某种方式将它序列化到一个文件中，这样每次我想运行分类器时就不必将它适合我的数据吗？

假设，我有以下有序数据集：

“标准化后它们的有序对的相关性”是什么意思？

如何在 R 中找到（代码）它？

一旦我使用 sklearn l2 归一化器对数据进行归一化并将其用作训练数据：如何将预测输出转回“原始”形状？

在我的示例中，我使用标准化的房价作为 y，使用标准化的居住空间作为 x。每个用于适合自己的 X_ 和 Y_Normalizer。

因此，y_predict 也处于标准化形状，我如何变成原始原始货币状态？

谢谢你。

我的数据框 my.data 包含数值变量和因子变量。我只想标准化此数据框中的数字变量。

这样做可以标准化吗？我想标准化第 8、9、10、11 和 12 列，但我认为我的代码错误。

提前致谢

我对如何进行 z-score 标准化感到困惑。我找到了执行此操作的方程式，需要平均值和标准差，但鉴于我的情况，我不确定如何解决这个问题。

我的系统中有 2 个分类器。要一起使用分数，我知道我需要对它们进行归一化，因为它们在尺度等方面会有所不同。我希望为此使用 z 分数归一化。我的问题是，考虑到两个分类器的 2 个分数，我需要对分数做什么才能使 z 分数标准化？我希望能够组合/比较它们。

我（可能有缺陷！）的理解是，对于分类器分数集，我们使用均值和标准差。但是我们不能总是假设我们已经有一个分数集来获得平均值和标准差，可以吗？

手册说“逻辑。如果启用，自动标准化数据。如果禁用，用户必须提供适当缩放的输入数据。”

我尝试使用虹膜数据进行学习。

R源代码

我的问题是如何将“结果垫”计算为“预测”？