标签: normalization

我有一个非常基本的问题.正态概率图的基础是什么,即概率代表什么？我正在测试标准的正态分布.我的normplot(在MATLAB中)显示这些值或多或少是直线,但0.5的概率对应于零以外的值.

我的问题是,我该如何解释这个？这是否意味着我的数据是正态分布但具有非零均值(即非标准正常)或者这个概率是否仅反映了其他内容？我试过谷歌,一个链接说概率是来自z-table的累积概率,我无法弄清楚该怎么做.

同样在MATLAB中,只要值适合程序绘制的线(红色虚线),值是否来自正态分布？在我的一个图表中,虚线非常陡峭,但值适合,这是否意味着超出此线的一个或两个值只是异常值？

我对统计数据很新,所以请帮忙!

谢谢!

我需要设计一个数据库表，其中大多数属性都有单位。例如：

Readings
--------

id   load (kW)   fuel_consumption (tonnes) - etc
1    1154        89.4
2    1199        54.2

在设计中捕获单元的推荐方法是什么？例如，我可以：

• 在属性名称中存储单位，例如 load_kW 和fuel_conspiration_tonnes
• 将单位存储在单独的表中，例如每个值都成为另一个表的外键，其中包含值和单位的列。
• 存储在数据库外部：例如在业务逻辑中或在文档中
• 还有其他人吗？

我碰巧使用 MySQL，但我认为这是一个通用的数据库规范化问题。

我有一个名为 的表assets，其中资产可以属于用户、团队或部门，也可能属于每个用户、团队或部门的多个。我的问题是资产变化很大，并且可能具有与每项资产不同的相关属性。

前任。这些可能是资产：

1.)
type:workbench
cost:200
vendor:Acme Co.
color:black
2.)
type:microscope
serial_no:BH-00102
purchase_date:1337800923
cost:2040

对于数百到数千种不同类型的资产，这种情况可能会持续下去。

如何以易于查询的标准化方式存储此类数据，而无需在每次添加新资产类型时更改表？有些字段也存在于所有资产中，例如成本。

到目前为止，我认为我应该：

assets
id,cost,purchase_date,asset_type_id

asset_types
id,name

division_assets
division_id,asset_id

user_assets
user_id,asset_id

但我不知道将变化的数据放在哪里

首先让我说我使用的是MySQL(不是事务性的),并且无法更改.此外,为简洁明了,我在这里简化了表格.

在这个例子中,'Lesson'由它的内部属性和一个外部属性组成,它有自己的属性'Readings'.'Readings'拥有自己的密钥依赖属性和三个不同的外部属性(阅读源).

我想避免在这里产生的多态关联,但我无法绕过它.在此示例中,'Reading'表中的'sourceId'将包含三个表"ExternalURL","InternalURL"和"Book"之一的id.此外,字段"polytable"将包含上述"id"来自的表名.

有人可以花一点时间来解释如何解决这种维护RI的问题,还是为了效率而应该留下它？

感谢您的时间和考虑,

蒂姆

                       -------------
                      | ExternalURL |
                       -------------
                      | id          |
                      | badlink     |
                      | url         |
                      |             |
                      |             |
                       -------------
                            |
                            |
                            |
                           / \
 ------------          -------------          -------------
| Lesson     |-------<| Reading     |>-------| InternalURL |
 ------------          -------------          -------------
| id         |        | id          |        | id          |
| label      |        | lessonId    |        | url         |
| summary    |        | sourceId    |        |             |
| lessonOrder|        | polytable   |        |             |
| active     |        | …

在学习 A Level 计算时，教科书、试题和老师反复告诉我们，如果负归一化浮点二进制数以 11 开头，那么它就不是归一化的。

对于负 11 的二进制补码，它可以写为 10101，因此标准化形式的数字将是 10101 00100，这遵循数字开头没有 11 的规则

但对于负 1，二进制补码版本是 11111，那么规范化版本会是什么，11111 00100 可以工作，但违反了规则，011111 00101 使数字为正数并使用了太多位，10111 00100 使负 9 而不是负 1

基本上为什么数字不能以 11 开头以及如何用解释来表示负一？

最近我被告知回归数据的标签也应该标准化以获得更好的结果，但我对此很怀疑。我从未尝试过在回归和分类中标准化标签，这就是为什么我不知道该状态是否正确。您能给我一个关于这个问题的清晰解释（数学上或经验上）吗？

太感谢了。任何帮助，将不胜感激。

我正在研究回归问题，数据以三列的 csv 文件形式呈现，其中第二列包含日期，我想将日期（格式：1/1/2015 12:00:00）转换为 int （112015120000）以便能够标准化并应用我的模型。我是这样进行的：

data_set = pd.read_csv('train.csv')
date = data_set['Date'] # Dates represent the header of the dates' column
dates = date.values
date1 = [date.replace("-","") for date in dates ]
date2 = [date.replace(":","") for date in date1 ]
date_train = [date.replace(" ","") for date in date2 ]

但我觉得这样既费时又低效，有没有更短的方法呢？否则，是否可以直接对日期时间类型应用规范化？

我想知道如何在 C++ 中有效地标准化向量。到目前为止，这就是我所拥有的。有没有办法提高效率和/或一次性完成。

std::array<float, MyClass::FEATURE_LENGTH> MyClass::normalize(const std::array<float, FEATURE_LENGTH>& arr) {
    std::array<float, MyClass::FEATURE_LENGTH> output{};
    double mod = 0.0;

    for (size_t i = 0; i < arr.size(); ++i) {
        mod += arr[i] * arr[i];
    }

    double mag = std::sqrt(mod);

    if (mag == 0) {
        throw std::logic_error("The input vector is a zero vector");
    }

    for (size_t i = 0; i < arr.size(); ++i) {
        output[i] = arr[i] / mag;
    }

    return output;
}

我正在努力解决功率谱密度（及其倒数）的正确归一化问题。

我遇到了一个实际问题，假设加速度计的读数以功率谱密度（psd）的形式（以幅度^2/Hz为单位）。我想将其转换回随机时间序列。然而，首先我想了解 PSD 的“前进”方向，即时间序列。

根据[1]，时间序列x(t)的PSD可以通过以下公式计算：

PSD(w) = 1/T * abs(F(w))^2 = df * abs(F(w))^2

其中T是x(t)的采样时间，F(w)是x(t)的傅里叶变换，df=1/T是傅里叶空间中的频率分辨率。然而，我得到的结果并不等于我使用 scipy Welch 方法得到的结果，请参见下面的代码。

第一个代码块取自 scipy.welch 纪录片：

from scipy import signal
import matplotlib.pyplot as plt

fs = 10e3
N = 1e5
amp = 2*np.sqrt(2)
freq = 1234.0
noise_power = 0.001 * fs / 2
time = np.arange(N) / fs
x = amp*np.sin(2*np.pi*freq*time)
x += np.random.normal(scale=np.sqrt(noise_power), size=time.shape)

f, Pxx_den = signal.welch(x, fs, nperseg=1024)
plt.semilogy(f, Pxx_den)
plt.ylim(\[0.5e-3, 1\])
plt.xlabel('frequency \[Hz\]')
plt.ylabel('PSD \[V**2/Hz\]')
plt.show()

我注意到的第一件事是绘制的 psd 随变量 fs 变化，这对我来说似乎很奇怪。（也许我需要相应地调整 …

我试图将希伯来语单词分成 C# 中的字母，但 ToCharArray() 将变音符号分开，就好像它们是单独的字母一样（但事实并非如此）。我可以选择将字母与变音符号保持完整，或者在最坏的情况下完全删除变音符号。

示例： \xd7\x9b\xd6\xbc\xd6\xb6\xd7\x9c\xd6\xb6\xd7\x91 显示为 6 个不同的字母。