简介
在机器学习和深度学习中，对数据进行预处理是非常重要的一步。但是，数据集中的数据通常是不规整的，包含各种偏差和噪音。因此，我们需要进行归一化和标准化操作，以使得数据分布更均匀，能够更好的训练模型。
@yodasws/neural-data-normalizer 是一款 NPM 包，用于完成神经网络训练之前的数据归一化。它提供了多种参数和参数组合来满足用户需求，使用起来十分灵活。
安装
你可以使用以下命令来安装 @yodasws/neural-data-normalizer：
--- ------- -------------------------------
使用
基本用法
@yodasws/neural-data-normalizer 提供了两种常见的数据规范化方法：min-max 规范化和 Z-score 规范化。这里我们以一个数组为例，使用 min-max 规范化来观察其使用方法：
----- ---------- - ------------------------------------------- ----- --- - --- -- -- -- --- ----- ------ - ------------------------------------ -------------------- -- ---- -- ----- ---- ----- - -
高级用法
@yodasws/neural-data-normalizer 提供了一些高级的参数选项，可以根据用户的需求来完成更复杂的数据规范化操作。这里我们以一个二维数组为例，使用 Z-score 规范化来观察其使用方法：
----- ---------- - -------------------------------------------
----- --- - ---- --- --- --- --- ----
----- ------- - -
----- ----------
----- -
--
----- ------ - ------------------------- ---------
--------------------
-- ---- - --- - -- - --- - -- - --- - - -这里我们将 mode 参数设置为 "z-score"，代表使用 Z-score 规范化。将 axis 参数设置为 1，代表对二维数组中的每一行进行规范化操作。
配合 Tensorflow.js 使用
@yodasws/neural-data-normalizer 同时也与 Tensorflow.js 兼容。在 Tensorflow.js 中，我们需要将数据预处理完成后才能进行模型训练。使用 @yodasws/neural-data-normalizer 可以方便快捷地完成数据预处理操作。以下是一个使用示例：
----- -- - ---------------------------------
----- ---------- - -------------------------------------------
----- ---- - ---------------- --- --- --- --- -----
----- ------- - -
----- ----------
----- -
--
----- -------------- - ------------------------------------ -- -------------------------------------
----- - - --------------------------------------
--------------------------
-- ----- --- -- - -- - --- -- - --这里我们首先使用 Tensorflow.js 中的 tensor2d 函数将二维数组转换为 Tensorflow.js 中的 Tensor。然后使用 arraySync 将 Tensor 转换为原生数组，并使用 transpose 将列变为行。接着对每一行使用 Z-score 规范化，最后再将数据转换为 Tensor，并使用 transpose 将数据转换为原始的列/行形状。最后我们就能够使用这个数据进行模型训练了。
总结
使用 @yodasws/neural-data-normalizer 可以帮助我们方便快捷地完成数据规范化操作，使得我们能够更好的训练机器学习和深度学习模型。此外，@yodasws/neural-data-normalizer 更是提供了多种灵活的参数选项，可以根据用户需求进行调整，非常实用。
来源：JavaScript中文网 ，转载请联系管理员！ 本文地址：https://www.javascriptcn.com/post/60065f94238a385564ab708a