在numpy中实现零均值和单位方差

Question

我得到了一个函数的定义,并要求实现如下:

# Problem 1 - Apply zero mean and zero variance scale to the image features
def normalize(data):
    pass

然后提供单元测试使用numpy它将断言我的实现成功

编辑

这不是我的单元测试,而是由课程讲师分配.

np.testing.assert_array_almost_equal(
    normalize(np.array([1, 2, 3, 4, 5, 6, 7, 8, 9, 10])),
    np.array([-0.4, -0.3, -0.2, -0.099, 0.0, 0.099, 0.199, 0.3, 0.4, 0.5]),
    decimal=3)

我的解决方案是

def normalize(data):
    return ((data - data.mean()) / data.max() - data.min())

但是我的理解肯定存在差距,因为我得到了

AssertionError: 
Arrays are not almost equal to 3 decimals

(mismatch 100.0%)
 x: array([-1.45, -1.35, -1.25, -1.15, -1.05, -0.95, -0.85, -0.75, -0.65, -0.55])
 y: array([-0.4  , -0.3  , -0.2  , -0.099,  0.   ,  0.099,  0.199,  0.3  ,
        0.4  ,  0.5  ])

随着谷歌搜索我也发现

(data - data.mean()) / data.std()

经过多次搜索,我试过了

(data - data.mean()) / data.var()

但两种解决方案都没有正确断言

那么这里的正确实施是什么？

Answer 1

首先,您可能打算这样做:

(data - data.mean()) / (data.max() - data.min())

而不是这个:

((data - data.mean()) / data.max() - data.min())

那么它不是正规化的正确定义.相反,正如您通过搜索找到的那样,正确的定义是:

(data - data.mean()) / data.std()

最后你的单元测试是错误的,所以当用正确的定义调用时它会失败.